Escolar Documentos
Profissional Documentos
Cultura Documentos
de
MATEMATICA II
2013/2014
Carlos Leal
2
Captulo 1
1.1 Sucessoes:
a: N R
n a(n)
A a(n) chamamos termo de ordem n e representa-lo-emos por an .
Ha varias maneiras de representar uma sucessao. E usual encontrarmos
na literatura as seguintes notacoes:
(an )nN
{an }
n=1
{a1 , a2 , a3 , . . . , an , . . . }
3
Exemplo 1.1
n
n 1 2 3 n
1. ( n+1 )nN ; n+1 n=1
; , ,
2 3 4
. . . , n+1
, . . .
2. ( n2 9)nN , n 3 ; n2 9 n=3 ; 0, 7, 4, 27 . . . , n2 9, . . .
n o
n n 3 1 n
3. (cos 6 )nN ; cos 6 n=1 ; 2 2
, , 0 . . . , cos 6 , . . .
|an | C, n N.
Isto significa que todos os termos da sucessao se situam numa dada banda,
como se pode observar na figura abaixo.
4
Exerccio 1.1 Verifique se as seguintes sucessoes sao limitadas:
n
( )nN ; ((1)n )nN ; ((1)n n)nN .
n2 +1
Definicao: Diremos que uma sucessao (an )nN tem limite L ou que converge
para L se
> 0, n0 N : n n0 |an L| <
Se isto acontecer escreveremos entao
lim an = L ou an L.
podemos concluir que a diferenca entre estas duas definicoes de limite esta
unicamente no domnio onde as funcoes estao definidas. Como N esta contido
em R podemos facilmente estabelecer o seguinte resultado:
Teorema: Se lim f (x) = L entao lim f (n) = L.
x+
5
Este resultado pode ser usado para calcular limites de sucessoes efectu-
ando a sua extensao a uma funcao de R em R onde temos outros meios para
calcular limites. Isto e, dada uma sucessao (an )nN consideramos a funcao
f de R em R cuja restricao a N e justamente an , de seguida calculamos
lim f (x). Se este limite existir e for L entao o limite da sucessao (an )nN
x+
e igual a L.
ln(n2 ) n3
lim ; lim ; lim arctg(2n).
n 4 + 2n3
Uma sucessao que seja convergente tem os seus termos an , para n sufi-
cientemente grande, arbitrariamente proximos do seu limite L. Para uma
sucessao que nao seja convergente nao teremos esta informacao previa, sobre
os termos da sucessao. No entanto, ha sucessoes que embora sendo divergen-
tes tem um comportamento bem definido para n suficientemente grande.
Definicao: Diremos que
6
Com efeito, dado M > 0, arbitrario, podemos considerar n0 = [M ] e
facilmente se conclui que se n > n0 entao
n + 3 > n0 + 3 > M.
( [M ] representa o maior inteiro inferior ou igual a M )
Exerccio 1.3 Diga, sem justificar, qual o valor dos seguintes limites:
n2
lim n(n 1) ; lim n(1 n) ; lim .
1n
Exemplo 1.5 Os casos mais comuns de subsucessoes duma sucessao (an )nN
aparecem quando se considera N 0 igual ao conjunto dos numeros pares ou ao
conjunto dos numeros mpares ou ainda quando se considera igual ao con-
junto dos naturais maiores que um certo valor n0 . Temos nestes casos as
chamadas subsucessoes dos termos pares, ou dos termos mpares e a sub-
sucessao que se obtem da sucessao inicial eliminando os seus primeiros n0
termos.
7
Exemplo 1.7 Usando o resultado exposto, na parte final da observacao
anterior, podemos concluir que a sucessao (an )nN definida por
0, n mpar
an = 1
n
, n par
converge para zero.
2. lim(c an ) = c lim an , c R
1
Exemplo 1.8 Sabendo que lim = 0, podemos usar as regras anteriores
n
para concluir que:
2. lim( n1 . n+1
n
) = lim n1 . lim n+1
n
=01=0
1 1
lim e n
3. lim en+1n = lim n+1
= 1
1
=1
n n
1 + n1 1
a) lim ; b) lim 2( + en )
2 + en n+1
8
Teorema: ( Sucessoes enquadradas)
Se (an )nN , (bn )nN e (cn )nN sao sucessoes tais que
an bn cn e lim an = lim cn = L
entao
lim bn = L.
n n2
Como lim = lim = 0 concluimos que o limite da sucessao
(n + 1)3 (n + 1)3
dada, tambem e zero.
crescente se an an+1 , n N
decrescente se an an+1 , n N
9
Exemplo 1.11 As sucessoes ( n1 )nN e (2n (1)n )nN sao monotonas en-
quanto que a sucessao ((1 (1)n ).n)nN nao e monotona.
Exemplo 1.12 Seja a um valor entre zero e um. Entao a sucessao (xn )nN ,
onde para cada n N
xn = 1 + a + a2 + a3 + . . . + an1
e convergente.
Com efeito esta sucessao e tal que
xn+1 = 1 + a + a2 + a3 + . . . + an = xn + an > xn
e portanto e crescente.
Por outro lado, como verifica
1 an+1 1 an+1 1
0 < xn = = <
1a 1a 1a 1a
sera limitada.
Do resultado anterior resulta que e convergente.
n n n n1 n
(a + b) = a + a .b + . . . + a.bn1 + bn
1 n1
onde
n n!
= , a, b R e 0! = 1
p (n p)!.p!
10
podemos concluir que
n n(n1) 1 n(n1) . . . 21 1
yn = 1 + n1 = 1 + n. n1 + 2!
. n2 +...+ n!
. nn
1 1 1
1+1+ 2!
+ 3!
+...+ n!
1 + 1 + 12 + 1
22
+...+ 1
2n1
3
Para estabelecermos esta desigualdade usamos o facto de
1 1
n1 , n N
n! 2
e o facto de
1 1 1
1+
+ 2 + . . . + n1 2 , n N
2 2 2
Assim, podemos concluir que
0 yn 3
e portanto (yn )nN e uma sucessao limitada.
Por outro lado, da expressao encontrada para yn podemos concluir que
yn+1 = 1 + 1 + 2!1 (1 1
n+1
) + 3!1 (1 1
n+1
)(1 2
n+1
) + . . .
1 1 2 n1
+ n!
(1 n+1
)(1 n+1
) . . . (1 n+1
)
1 1 2 n
+ (n+1)!
(1 n+1
)(1 n+1
) . . . (1 n+1
)
e observamos que yn+1 tem mais parcelas do que yn e as outras parcelas de
yn+1 sao maiores ou iguais do que as correspondentes parcelas de yn . Logo
yn+1 yn e portanto (yn )nN e uma sucessao crescente .
n
Definicao: Ao limite de 1 + n1 chamamos e (numero de Neper).
Exerccio 1.7 Verifique que as seguintes sucessoes sao monotonas e limita-
das e conclua que sao convergentes.
1 1
a) an = ; b) bn = .
n! 2n (1)n
11
Teorema: Se (xn )nN e uma sucessao limitada e (yn )nN e uma sucessao
convergente para zero entao
lim(xn yn ) = 0.
Teorema: Se (xn )nN e (yn )nN sao sucessoes convergentes tais que
xn yn , n N
entao
lim xn lim yn .
Consequencia: Se (xn )nN e uma sucessao convergente e xn 0 para todo
o n em N entao
lim xn 0.
12
Exemplo 1.15 Considere-se a sucessao definida por recorrencia da seguinte
forma:
a1 =2
an+1 = 12 (an + 6) , n = 1, 2, 3, . . .
Se calcularmos os primeiros termos da sucessao obtemos
a1 = 2 ; a2 = 4 ; a3 = 5 ; a4 = 5.5 ; a6 = 5.75
Podemos entao conjecturar que se trata duma sucessao crescente e limi-
tada.
Provemos por inducao que a sucessao (an )nN e crescente, isto e,
an+1 an , n N
Prova para n = 1:
Devemos entao provar que a2 a1 . Como vimos anteriormente a2 = 4 e
a1 = 2 e portanto o resultado e verdadeiro.
Hipotese de inducao:
Vamos admitir que o resultado e verdadeiro para n = p, isto e
ap+1 ap .
Tese de inducao:
Provemos que o resultado e verdadeiro para n = p + 1, isto e
ap+2 ap+1 .
Como
1 1
ap+2 = (ap+1 + 6) (ap + 6) = ap+1
2 2
temos o resultado provado.
Vejamos agora que a sucessao (an )nN e limitada. Mais propriamente,
vejamos que
an 6 , n N
uma vez que ja sabemos que an 0.
Obviamente que a1 6. Admitindo que o resultado e verdadeiro para
n = p teremos
1 1
ap+1 = (ap + 6) (6 + 6) = 6
2 2
o que prova a afirmacao.
13
Como vimos que a sucessao (an )nN e limitada e monotona podemos con-
cluir que e convergente. Chamemos L ao seu limite. A questao que se coloca
agora e a de saber como determinar L.
Sendo (an+1 )nN uma subsucessao de (an )nN teremos lim an+1 = L. As-
sim, usando a definicao de an teremos
1 1 1
L = lim an+1 = lim (an + 6) = (lim an + 6) = (L + 6).
2 2 2
Daqui obtemos uma equacao em L que depois de resolvida nos dara o valor
do limite da sucessao.
1
L = (L + 6) 2L = L + 6 L = 6.
2
3. Se xn > 0 entao
1
lim xn = 0 lim = +.
xn
Tal como ja acontecia no caso das funcoes reais de variavel real, tambem
aqui, no caso do limite de sucessoes, temos situacoes de limites indetermina-
dos.
14
INDETERMINACOES:
lim xn = +
1. lim(xn yn ) ( )
lim yn = +
lim xn =
2. lim xynn ( )
lim yn =
x
lim xn = 0 lim ynn ( 00 )
3.
lim yn = 0 lim xynn (xn > 0) (00 )
lim xn = 0 lim xn .yn (0 )
4.
lim yn = + lim ynxn (0 )
lim xn = 1
5. lim xynn (1 )
lim yn = +
15
Exerccios de controlo:
an 2, n N.
(c) Mostre que a sucessao (an )nN e convergente e calcule o seu limite.
lim g(x) = +
x+
k g(n)
lim(1 + ) = ek .
g(n)
n
(b) Mostre que lim(1 n+3 ) = e .
Sugestao: Use o resultado anterior depois de decompor a ex-
n
pressao (1 n+3 ) num produto onde apareca uma potencia com
a mesma base e com expoente (n + 3).
16
7. Considere a sucessao (an )nN definida por recorrencia da seguinte forma:
a = 2
1
an+1 = 2 1 ,
n1
an
(a) Mostre, por inducao, que para todo o n pertencente a N , an > 1.
(b) Mostre que a sucessao (an )nN e decrescente.
(c) Mostre que a sucessao (an )nN e convergente e determine o seu
limite.
(a) uma sucessao de termos positivos que seja limitada e nao seja
convergente.
(b) uma sucessao de termos positivos que seja convergente e que nao
seja monotona.
(c) duas sucessoes, uma convergente e outra divergente, cujo produto
seja uma sucessao convergente.
n ln n
(a) lim .
en
n
X k
(b) lim un , onde para cada n N , un = .
k=1
n3 + 1
Sugestao: Use o teorema das sucessoes enquadradas.
10. (a) De um exemplo duma sucessao monotona que nao seja conver-
gente.
(b) De um exemplo duma sucessao convergente que nao seja monotona.
11. Considere a sucessao (an )nN definida por recorrencia da seguinte forma:
a1 = 4
1
an+1 = (a
3 n
+ 6), n = 1, 2, 3, . . .
17
12. Diga se sao verdadeiras ou falsas as seguintes afirmacoes, justificando
aquelas que considerar falsas.
13. (a) De um exemplo duma sucessao que nao seja monotona e que tenha
limite 2.
(b) Diga, justificando, se a sucessao (Un ) = ((1)n sin n12 ) e conver-
gente e, em caso afirmativo, calcule o seu limite.
15. (a)
n
X k
lim 5
n
k=1 n +1
2
(b)
log n
lim (1)n
n n
(c)
1 1 1 1
lim ( + + ... + n ).
n 2 4 8 2
18
1.2 Series numericas:
Sabemos que e possvel generalizar a soma de dois numeros reais a um numero
finito de parcelas. Surge entao com naturalidade a seguinte questao:
Sera possvel generalizar a nocao de soma finita a um numero infinito de
parcelas?
Qual o sentido a dar, por exemplo, a
1 1 1 1 1
+ + + + ... + n+ ...?
2 4 8 16 2
11+11+11+ . . .
(1 1) + (1 1) + (1 1) + . . .
1 + (1 + 1) + (1 + 1) + (1 + 1) + . . .
19
infinito. Mas isto estava em contradicao com o facto do movimento ser
uniforme, de velocidade constante e, portanto, o tempo gasto para chegar
de A ate B ser 2t. Da tratar-se dum paradoxo. Esta questao so seria
resolvida com a teoria das series desenvolvida a partir do seculo XVIII. Ao
desenvolvimento da teoria das series nao foi alheio o matematico portugues
Jose Anastacio da Cunha.
20
processo a determinacao da natureza da serie. Mais adiante, estudaremos
processos que permitem determinar a natureza da serie, isto e, verificar se a
serie e ou nao convergente, sem passar pela definicao da sucessao das somas
parciais associadas a serie.
Sn = a + a + . . . + a = n.a
Se r = 1 teremos
0 , n par
Sn =
a , n mpar
e portanto, em qualquer dos casos, a sucessao (Sn ) e divergente, pelo que a
serie dada e divergente.
Caso |r| 6= 1:
a.(1 rn )
Sn = a + a.r + a.r2 . . . + a.rn1 =
1r
Obviamente que
a
| r |< 1 lim Sn = 1r
21
Exemplo 1.17 Para a serie de Mengoli
X 1
n=1
n(n + 1)
e divergente.
Com efeito temos
S1 = 1
S2 = 1 + 21
S4 = 1 + 21 + 13 + 14 1 + 12 + ( 14 + 14 ) = 1 + 22
S8 = 1 + 21 + ( 13 + 14 ) + ( 15 + 16 + 71 + 18 ) >
> 1 + 21 + ( 14 + 14 ) + ( 18 + 18 + 81 + 18 ) = 1 + 21 + 12 + 12 = 1 + 32
S16 = 1 + 21 + ( 13 + 14 ) + ( 15 + 16 + 71 + 18 ) + ( 91 + 10
1
+ . . . + 161
)>
1 1 1 1 4
> 1+ 2 + 2 + 2 + 2 =1+ 2
.
.
.
S2n > 1 + n2
Pelo que a sucessao (Sn )nN nao e limitada e portanto nao e convergente.
Conclui-se entao que a serie harmonica e divergente.
22
P
Teorema: Se a serie n=1 an e convergente entao lim an = 0.
Demonstracao: Seja (Sn ) a sucessao das somas parciais associada a serie.
Considerando Zn = Sn+1 , podemos afirmar que esta sucessao e uma subsu-
cessao de (Sn ) e como tal converge para o mesmo limite. Da definicao de
(Zn ) resulta que
lim an+1 = lim(Zn Sn ) = 0.
Daqui se conclui que tambem
lim an = 0.
Observacao:
P Deste resultado podemos concluir que se lim an 6= 0, entao a
serie a
n=1 n e divergente.
Importante: O facto do limite do termo geral da serie ser zero nao permite
P
concluir que a serie seja convergente. Vimos anteriormente que a serie 1
n=1 n
e divergente e no entanto o limite do seu termo geral e zero.
Exerccio 1.11 Use o resultado anterior para concluir que as seguintes series
sao divergentes
X
X 1
a) (1)n b) 3n sin( )
n=1 n=1
n
Observacao: A natureza duma serie nao depende do valor dos seus p pri-
meiros termos, onde p e um numero natural qualquer, mas fixo. Isto e, as
series
X X
ak e ak
k=1 k=p+1
23
X
Exerccio 1.12 Mostre que a serie xn onde
n=1
1 + en se n < 106
xn = ,
2 6
3n1
se n 10
e convergente.
P P
Teorema: (i) Se as series P n=1 an e n=1 bn sao convergentes de soma S e
T , respectivamente,Pentao n=1 (an + bn ) e convergente e tem soma S + T .
(ii) Se a serie
P n=1 an e convergente e tem soma S entao, para todo
b R, a serie n=1 b.an e convergente e tem soma b.S.
Demonstracao: (i) Sejam
Sn = a1 + . . . . + an
e
Tn = b1 + . . . . + bn
P P
as sucessoes das somas parciais associadas as series n=1 an e n=1 bn ,
respectivamente. Teremos entao
S + T = lim(Sn + Tn ) = lim((a1 + . . . + an ) + (b1 + . . . + bn ))
= lim((a1 + b1 ) + . . . + (an + bn ))
= lim Zn P
onde Zn e a sucessao das somas parciais associada a serie n=1 (an + bn ). Po-
demos entao afirmar que esta serie e convergente e que a sua soma e S + T .
(ii) Como
P
Exemplo 1.20 A serie 1 1 n
n=1 [ n(n+1) +10.( 2 ) ] e convergente ja que e a soma
de duas series convergentes. Podemos mesmo afirmar que a sua soma e 11.
24
P P
Teorema: SePa serie n=1 a n e convergente e a serie n=1 bn e divergente,
entao a serie (a
n=1 n + b n ) e divergente.
P
Demonstracao: Suponhamos por absurdo P que a serie n=1 (an + bn ) e con-
vergente. Como por hipotese a serie P n=1 an e convergente, podemos concluir
do teorema
P anterior, que a serie n=1 (an ) e convergente P e tambem que a
serie (a
n=1 n + bn ) a n converge. Ou seja, a serie n=1 bn e convergente,
o que e um absurdo.
an 0, n N
X
e estabelecer resultados que permitem concluir se a serie an e ou nao
n=1
convergente. Estes resultados serao chamados criterios de convergencia para
series de termos positivos.
Note-se que estes resultados tambem podem ser usados para determinar
a natureza duma serie de termos negativos. Com efeito, vimos anteriormente
X X
que as series an e (an ) tem a mesma natureza.
n=1 n=1
Podemos ainda concluir que estes resultados podem ainda ser usados
para determinar a natureza duma serie cujos termos tenham sinal constante
a partir duma certa ordem, ja que como vimos anteriormente, a natureza
duma serie nao depende dos seus primeiros termos.
A estas series cujos termos tem sinal constante a partir duma certa ordem
chamamos series de termos de sinal bem definido.
25
Teorema(Criterio de comparacao): Suponhamos que
0 an bn , n N.
Nestas condicoes:
P P
(i) Se a serie n=1 bn converge, a serie n=1an tambem converge.
P P
(ii) Se a serie n=1 an diverge, entao a serie n=1 bn tambem diverge.
Sn = a1 + . . . an
Tn = b1 + . . . bn
e consequentemente,
Sn Tn , n N.
X
Da definicao de serie convergente podemos concluir que, se a serie bn
n=1
converge entao a sucessao (Tn ) e convergente e portanto limitada. Como
Sn Tn , para todo o n N , concluimos que a sucessao (Sn ) e majorada e,
consequentemente, convergente pois (Sn ) e crescente. (ii) Note-se que este
resultado e equivalente ao anterior.
X
1
Exemplo 1.21 Considere-se a serie . Como ja vimos anteriormente
n=1
n!
que
1 1
n1 , n N
n! 2
X 1
e a serie e uma serie geometrica convergente podemos concluir que
n=1
2n1
a serie dada tambem e convergente.
e divergente.
26
Com efeito, basta ter presente que para 0 < < 1,
1 1
> , n N
n n
X
1
e que a serie e divergente.
n=1
n
X
X
Corolario: Se lim abnn = l, com l 6= 0 e l 6= + entao as series an e bn
n=1 n=1
sao da mesma natureza.
Prova: Consideremos ]0, l[. Como lim abnn = l podemos garantir a existencia
duma ordem n0 , a partir da qual se tenha
an
0<l< < l + .
bn
logo
0 < (l )bn < an < (l + )bn .
X
X
Assim, se a serie an for convergente a serie (l )bn tambem sera
n=1 n=1
X
convergente e portanto bn sera convergente.
n=1
X
X
Analogamente, concluimos que se bn e convergente entao an tambem
n=1 n=1
sera convergente.
X 2n2 + 1
Exemplo 1.23 Considere-se a serie e usemos o Corolario an-
n3 + 3
n=1
terior para determinar a natureza desta serie. Este resultado fazendo uso da
nocao de limite, e sem duvida um resultado de simples aplicacao. A dificul-
dade reside em saber qual a serie com a qual se deve comparar esta serie.
27
Neste caso, porque se trata dum quociente de polinomios, paraPque se obtenha
um limite finito, iremos comparar a serie dada com a serie 1
n=1 n , sendo
a diferenca dos graus dos polinomios. Neste caso = 1. Teremos entao
1
n 1
lim 2n2 +1
= 6= 0, +.
n3 +3
2
28
Calculo aproximado da soma duma serie:
X
Considere-se uma serie an convergente, cuja convergencia foi
n=1
demonstrada usando o criterio de DAlembert. Seja
X
Rn = ak
k=n+1
X
o resto de ordem n da serie an .
n=1
Cometendo um certo abuso de linguagem escreveremos
Rn = S Sn .
teremos obviamente,
Rp ap+1 (1 + Kp + Kp2 + . . . ).
1
Rp ap+1 . .
1 Kp
29
Na pratica este metodo nao e muito simples de implementar devido a dificul-
dade na determinacao de Kp . Ha, no entanto, alguns casos em que a escolha
de Kp e simples:
Se ( an+1
an
) e crescente toma-se Kp = lim ap+1
ap
ap+2
Se ( an+1
an
) e decrescente toma-se Kp = ap+1
X
1
Exemplo 1.24 Vejamos como se pode calcular a soma da serie com
n=1
n!
um erro inferior a 0.01.
Como
an+1 1
lim = lim =0
an n+1
X
1
podemos concluir, usando o criterio de DAlembert, que a serie e
n=1
n!
convergente. Notemos ainda que, sendo ( an+1
an
) = ( 1
n+1
) uma sucessao decres-
cente, podemos tomar
1
Kp =
p+2
teremos entao
ap+1 1 p+2
Rp =
1 Kp (p + 1)! p + 1
30
Criterio de Cauchy ou Criterio da Raz
Se lim n an = l e
X
l < 1, a serie an e convergente
n=1
X
l > 1, a serie an e divergente.
n=1
X
l = 1, mas n an 1, a serie an e divergente.
n=1
31
Criterio do integral
i.e.,
Z +
X
(i) Se f (x)dx converge an converge
1 n=1
Z +
X
(ii) Se f (x)dx diverge an diverge
1 n=1
Obviamente que
Z n
a2 + a3 + . . . + an f (x)dx. ()
1
32
temos Z n
f (x)dx a1 + a2 + . . . + an1 . ()
1
Entao:
(i) De () temos
n
X Z n Z +
ai f (x)dx f (x)dx
i=2 1 1
e portanto
n
X Z +
Sn = a1 + ai a1 + f (x)dx = M.
i=2 1
Concluimos assim que (Sn )nN e uma sucessao limitada e, uma vez que e
monotona sera convergente. (ii) De () temos
Z n
f (x)dx a1 + a2 + . . . + an1 = Sn1 .
1
Z +
Como estamos a supor que f (x)dx e divergente podemos concluir
1
X
que (Sn1 )nN converge para infinito e portanto an e divergente.
n=1
X
1
Consequencia: A serie de Dirichlet e convergente se > 1 e diver-
n=1
n
gente se 1 .
X
1
Vimos anteriormente que, se 1 entao a serie
e divergente.
n=1
n
Se > 1, a funcao
f : [1, +[ R
x x1
e contnua, decrescente e positiva. Por outro lado,
Z + Z + Z y
1 1 x1 y
f (x)dx = dx = lim dx = lim [ ]1
1 1 x y+ 1 x y+ 1
1 1 1
= lim 1
=
y+ (1 )y (1 ) 1
33
X
1
Como o integral improprio e convergente concluimos que a serie
n=1
n
tambem e convergente.
X
Exerccio 1.20 Determine a natureza da serie nen .
n=1
Estimativa de erro
Duma forma analoga ao que foi feito no caso em que a convergencia da
serie foi provada usando o criterio da raz ou o criterio do integral, iremos
estabelecer uma majoracao para o erro que se comete quando aproximamos
o valor da soma da serie pela soma dos seus n termos.
Consideremos entao
Rn = S Sn = an+1 + an+2 + . . .
Com a ajuda da figura abaixo
34
X
1
Exemplo 1.26 Se considerarmos a serie podemos concluir, pelo criterio
n=1
n3
do integral que esta serie e convergente.
Por outro lado,
Z +
1 1
3
dx = 2 .
n x 2n
Se o nosso objectivo for calcular um valor aproximado da soma da serie
cometendo um erro inferior a 0.0005 deveremos considerar n tal que
Rn 0.0005
Isto e conseguido se
Z +
1
dx 0.0005
n x3
ou seja,
1 5
2
< .
2n 10000
Basta entao considerar n = 32.
35
Observacao: Para verificarP se uma serie e absolutamente convergente
teremos que estudar a serie
n=1 | an | que e de termos positivos, e portanto
pode ser estudada usando os resultados estabelecidos anteriormente.
P (1)n
Exemplo 1.27 A serie n=1 n2 +1 e absolutamente convergente ja que a
P (1)n
serie n=1 | n2 +1 | e uma serie convergente.
P
Teorema:
P Se a serie n=1 an e absolutamente convergente entao a serie
n=1 an e convegente e
X
X
| an | | an | .
n=1 n=1
Criterio de Leibnitz
X
(1)n bn e convergente.
n=1
X (1)n
Exemplo 1.28 A serie e simplesmente convergente. Com efeito,
n=1
n
X (1)n
(bn ) = ( n1 ) esta nas condicoes do corolario anterior e portanto a serie
n=1
n
X (1)n
e convergente. Por outro lado, a serie | | e a serie harmonica,
n=1
n
que, como sabemos e divergente.
36
Estimativa de erro
X
E possvel demonstrar que, no caso em que a convergencia da serie (1)n bn
n=1
e garantida pelo criterio de Leibnitz temos a seguinte estimativa para o erro:
|Rn | bn+1 .
Produto de series:
P P
PDadas duas series n=1 an e n=1 bn podemos considerar uma nova serie
n=1 un onde (un ) e definida por
u1 = a1 b1
u2 = a1 b2 + a2 b1
u3 = a1 b3 + a2 b2 + a3 b1
P
n
un = i=1 ai bn+1i
Nestas condicoes tem-se o seguinte resultado:
P P
Teorema: SePas series n=1 an e n=1 bn sao absolutamente convergentes
entao a serie
n=1 nu e absolutamente convergente e
X
X X
un = ( an )( bn )
n=1 n=1 n=1
1 1
= ,
3n+1 3n+1i 3i
37
teremos n
n X 1
= .
3n+1 i=1
3n+1i 3i
P 1
Uma vez que a serie n=1 3n e uma serie absolutamente convergente
conclui-se que a serie dada e convergente e que
X X
n 1 X 1 1
n+1
= ( n
)( n
) = .
n=1
3 n=1
3 n=1
3 4
X
Teorema:(Riemann) Seja an uma serie simplesmente convergente. Entao:
n=1
X
(i) Para todo R existem permutacoes da serie an , cuja soma e .
n=1
X
(ii) Existem permutacoes da serie an que sao divergentes.
n=1
38
Exerccios de controlo:
X X
X
1 n 1 1 2n + 1
d) (1 + ) e) ( ) f)
n=1
n n=1
n n + 1 n=1
n2 (n + 1)2
X
X
X
1 2 8n n! n
g) sin ( ) h) i) (n sin( ))
n=1
n n=1
nn n=1
3n
X (1)n n X n3 + 1 X
j) k) l) (1)n cos( )
n=2
n2 2 n=1
3n3 + 4n2 + 2 n=2
n
X X
X
(1)n (1)n 1 3n!
m) n) ( 2 ) o)
n=1
n2n n=1
n+3 n +3 n=1
(n + 1)n
39
5. (a) Considere uma sucessao (an )nN onde para cada n N
(2n)! 1 n
0 an ( ) .
(n!)2 5
Determine, justificando, a natureza da serie de termo geral an .
(b) Calcule lim an .
7. Considere a serie
X 1
(1)n .
n=1
4n2+4
X 1
11. (a) Mostre que a serie e convergente.
n=1
(n!)2
40
(b) Calcule um valor aproximado da soma da serie da alnea anterior,
com um erro inferior a 0.01 .
n2 + 2 1
|cn | . , n N.
n4 + 3 en
X 2n
14. Verifique se, ao aproximarmos por
n=1
n!
22 23 24 25 26 27 28 29 210 211
2+ + + + + + + + + +
2! 3! 4! 5! 6! 7! 8! 9! 10! 11!
1
cometemos um erro inferior a 100
.
X (1)n
15. Considere a serie
n=1
n!
17. Seja (an )nN uma sucessao de numeros reais tais que
1
an 0.
n2
X
Mostre que a serie an e convergente.
n=1
Sugestao: Verifique se a serie e absolutamente convergente.
41
18. Determine a natureza das seguintes series:
X
X
2 1
a) ( )n+2 ; b) sin .
n=1
3 n=1
n+1
10 102 103
+ +
2! 4! 6!
difere da soma da serie anterior por um valor inferior a 13 .
X
21. Determine a natureza da serie (sin n)nen .
n=1
X
(1)n
22. Verifique se a serie e simplesmente convergente.
n=1
ln(n + 1)
X X
n+2 n n!
a) ( ) b) (cos n) n
n=1
n n=1
n
42
Captulo 2
Series de funcoes
43
converge para a funcao f definida por
f : [0, 1] R
0, 0 x < 1
x
1, x=1
Com efeito,
44
2.2 Series de funcoes
Seja entao (fn )nN , uma sucessao de funcoes, onde para cada n N , fn e
uma funcao de X em R. Consideremos a sucessao de funcoes (Sn )nN , onde
para cada n N ,
Sn : X R
x Sn (x) = f1 (x) + f2 (x) + . . . + fn (x)
Se a sucessao das somas parciais (Sn )nN for convergente, diremos que a
serie
X
fn
n=1
Criterio de Weierstrass:
1. n N, x X, |fn (x)| an .
X
2. an converge.
n=1
X
X
entao as series |fn | e fn sao uniformemente convergentes
n=1 n=1
45
X (1)n 1
Exemplo 2.3 A serie . e uniformemente convergente em
n=1
n2 1 + x2
[0, 1].
Com efeito,
n
1. n N, x [0, 1], | (1)
n2
1
. 1+x 2|
1
n2
.
P 1
2. n=1 n2 converge.
P log n
Exerccio 2.1 Mostre que a serie n=1 n2 . sin x e uniformemente conver-
gente em R.
P sin(n4 x)
Exerccio 2.2 Mostre que a serie n=1 n2
e uniformemente conver-
gente em R.
Teorema: Seja (fn )nN uma sucessao de funcoes onde, para cada n N ,
fn : [a, b] RPe uma funcao contnua.
Se a serie n=1 fn converge uniformemente, entao a soma da serie e uma
funcao contnua e
Z bX
Z
X b
fn (x)dx = fn (x)dx.
a n=1 n=1 a
Teorema: Seja (fn )nN uma sucessao de funcoes onde, para cada n N ,
fn : [a, b] R P e uma funcao derivavel. Admitamos que, para um certo
P n=10 fn (c) e convergente.
c [a, b], a serie
Se a serie P n=1 fn converge uniformemente, em [a, b], para a funcao T ,
entao a serie 0
n=1 fn converge uniformemente para S e S = T .
46
Exerccio 2.4 Calcule
!0 !0
X 1 1 X (1)n
a) x [1, 1] b) sin x x [0, ]
n=1
2n 1 + x2 n=1
3n
fn (x) = an (x x0 )n
onde x0 e um valor fixo de R e (an )nN e uma sucessao numerica.
As series tem entao a forma
X
an (x x0 )n
n=0
f (n) (a + n h) n
rn (h) = h , com 0 < n < 1.
n!
A serie
X f (n) (a)
hn
n=0
n!
cuja sucessao das somas parciais coincide com o polinomio de Taylor cha-
mamos serie de Taylor de f em torno de a.
47
Observacao: Se f C (I), podemos considerar sempre a serie de Taylor
de f . No entanto, esta serie podera ser convergente ou divergente, e, mesmo
que seja convergente a sua soma podera, ou nao, ser igual a f (a + h).
x2 xn eCn
ex = 1 + x + + ...+ + xn+1 ,
2! n! (n + 1)!
com |Cn | < |x|.
Como para todo o x R, fixo,
eCn
lim xn+1 = 0
(n + 1)!
concluimos que
X
x xn
e = .
n=0
n!
x3 x5 x2n+1
sin x = x + + . . . + (1)n + r2n+2 (x)
3! 5! (2n + 1)!
48
onde
(sin)(n) (cn ) n
rn (x) = x , |cn | < |x|.
n!
Tambem aqui teremos para todo x R
49
P
Exemplo 2.8 A serie n
n=0 x e convergente para
1
1x
para todos os valores
de x R tais que |x| < 1.
P n x2n+1
Exemplo 2.9 A serie n=0 (1) (2n+1)! e convergente para sin x para todos
os valores de x R.
P
Teorema: Dada uma serie de potencias n
n=0 an x , ela sera convergente
apenas em x = 0, ou existe r > 0 (ou +) tal que a serie converge absolu-
tamente em ] r, r[ e diverge fora de [r, r]. Em r e r a serie podera ser
convergente ou divergente.
Como determinar este valor r ?
an+1 1
Se existir lim | | = R, entao r =
n an R
ou,
p
n 1
Se existir lim |an | = R, entao r =
n R
A r chamamos raio de convergencia da serie de potencias.
Observacao: Para |x| = r, este resultado nao permite tirar qualquer con-
clusao. Se pretendemos determinar todos os valores de R para os quais a serie
converge deveremos considerar separadamente as duas series numericas.
X
X
n
an r e an (r)n .
n=0 n=0
50
Exerccio 2.6 Determine todos os valores de x para os quais as seguintes
series sao convergentes.
X
X
xn (1)n xn
a) b)
n=1
n n=1
n!
X
Teorema: Se an xn e uma serie de potencias com raio de convergencia r
n=0
entao as series de potencias
X X
an n+1
x e nan xn1
n=0
n + 1 n=1
e !0
X
X
n
an x = nan xn1
n=0 n=1
X
Consequencia: Seja f a funcao definida por f (x) = an xn . Entao f
n=0
possui derivadas de todas as ordens em qualquer ponto de ] r, r[ e essas
derivadas podem ser calculadas derivando a serie termo a termo.
Assim,
X
f (k) (x) = n(n 1) . . .(n k + 1)an xnk
n=k
e portanto,
f (k) (0)
ak = .
k!
51
Conclusao: Basta ter presente a definicao de serie de Taylor para conluir
que a serie de potencias cuja soma e f (x) nao e mais do que a serie de Taylor
de f em torno de zero.
Aplicacoes:
A partir do conhecimento do desenvolvimento em serie de potencias de
algumas funcoes e possvel, usando a definicao e as propriedades das series de
potencias, definir desenvolvimentos em serie de potencias de outras funcoes.
X X
3 x n 3 (1)n n
= x ( ) = x n
x =
n=0
2 n=0
2
X (1)n
= xn+3
n=0
2n+1
obtemos
1 X
= (n)xn1 .
(1 x)2 n=1
X
1
2
= (n + 1)xn .
(1 x) n=0
52
Exemplo 2.13 Para determinar um desenvolvimento em serie da funcao
arctg podemos utilizar o seguinte processo:
Z x Z
xX X
1 n 2n x2n+1
arctgx = dt = (1) t dt = (1)n .
0 1 + t2 0 n=0 n=0
2n + 1
53
Podemos ainda usar as series de potencias como uma ferramenta para
calcular limites.
1 x x2
= 2
+ 3!
+ 4!
+ ...
pelo que, usando a continuidade das series de potencias temos
ex 1 x 1
lim 2
= .
x0 x 2
Exerccio 2.10 Use series de potencias para determinar o valor dos seguin-
tes integrais com um erro inferior a 107 .
Z 0.5 Z 0.5
1
a) dx b) arctgx dx
0 1 + x7 0
54
Multiplicacao
= x + x2 + 13 x3 + . . .
Divisao de series
55
Serie binomial
Para certas aplicacoes pode ser importante conhecer a chamada serie
binomial.
Para k R e x tal que |x| < 1 temos
k(k1) 2 k(k1)(k2) 3
(1 + x)k = 1 + kx + 2!
x + 3!
x + ...
X
k
= xn
n
n=0
onde
k k(k1) . . . (kn+1)
=
n n!
k
= 1
0
Exerccios de controlo:
X
X X
n n (1)n xn xn
a) 3 x b) c)
n=1 n=1
n+1 n=2
lnn
56
R 1
4. Determine uma representacao em serie de potencias da funcao 1+x6
dx.
5. Determine a serie de Taylor em torno do valor dado, a, das seguintes
funcoes:
1
a) f (x) = , a = 1 b) f (x) = x cos(2x), a = 0
x
6. Use a serie binomial para representar em serie de potencias as seguintes
funcoes:
1
a) f (x) = 3
b) f (x) = 1 + x2
(2 + x)
7. Determine f (10) (0) para cada uma das funcoes do exerccio anterior.
8. (a) Represente em serie de potencias a funcao definida por
x
f (x) = (1x)2.
X
n
(b) Use a alnea anterior para determinar a soma da serie .
n=1
2n
57
8 n
12. (a) Calcule o limite da sucessao ( 1+8n )nN e diga, justificando, se a
n
n 8
sucessao ((1) 1+8n )nN e convergente.
X 2n
(b) Determine o intervalo de convergencia da serie xn
n=1
1 + 8n
58
Captulo 3
Matrizes e sistemas de
equacoes lineares
3.1 Motivacao
Consideremos o seguinte sistema de tres equacoes a tres incognitas
2x + 3y + z = 8
4x + y + z = 10
6x + 3y + 3z = 6
Como sabemos, resolver um sistema e determinar a sua solucao, ou seja,
determinar os valores de x, y e z tais que a sua substituicao no sistema
conduza a tres identidades.
Vejamos um metodo novo, chamado Metodo de eliminacao de Gauss, que
consiste em multiplicar a 1a equacao por um coeficiente de tal forma que ao
somarmos a 1a e a 2a equacoes desapareca o termo em x. De seguida faremos
o mesmo para a 3a equacao.
59
Multiplicamos entao a 1a equacao por 2 e adicionamos o resultado a 2a
equacao. De seguida multiplicamos a 1a equacao por 3 e adicionamos a 3a
equacao. Obtemos entao
2 x + 3y + z = 8
5y z = 6
12y + 6z = 18
Procedendo da mesma forma relativamente as 2a e 3a linhas, iremos mul-
tiplicar a 2a linha por 12
5
e adicionar a terceira, obtendo-se
2x + 3y + z = 8
+ 5 y z = 6
18
+ 5
z = 18 5
a
Percebemos facilmente que da 3 equacao obtemos z = 1 e que com esta
informacao obtemos a partir da 2a equacao y = 1 e da 1a equacao x = 2.
A solucao do sistema e entao x = 2, y = 1 e z = 1. Se quisermos pensar
em termos geometricos podemos afirmar que a interseccao dos tres planos e
um ponto.
Aos elementos assinalados 2 e 5 chamaremos pivots.
Vejamos agora outro exemplo onde a interseccao dos planos (solucao do
sistema) podera nao ser um unico ponto.
60
E conclumos que se 6= 5 a solucao sera x = 1, y = 0 e z = 0. Diremos
que o sistema tem uma e uma so solucao. Em termos geometricos significa
que a interseccao dos tres planos e um ponto.
Por outro lado, se = 5, a ultima equacao tem a forma 0.z = 0.Esta
equacao sera verificada por qualquer elemento de R. O sistema tera entao,
nao uma mas sim uma infinidade de solucoes. Em termos geometricos a
interseccao dos tres planos e o conjunto dos pontos
2 6
( z + 1 , z , z ) : z R}
5 5
que, como se pode observar, define uma recta. Em termos de sistemas dire-
mos que se trata dum sistema indeterminado.
61
3.2 Operacoes com matrizes
Neste paragrafo iremos definir algumas operacoes elementares com matrizes
e estudar algumas das suas propriedades.
Para definir uma matriz necessitamos apenas de indicar o seu tipo, isto
e, o numero de linhas n e o numero de colunas m e o valor do elemento aij
que se encontra na linha i e na coluna j.
coluna j
. . . . .
. . . . .
linha i
. . aij . .
. . . . .
. . . . .
aij = i + 2j ?
Exemplo 3.2 Se
1 4
1 2 3
A= entao AT = 2 5
4 5 6
3 6
62
Exerccio 3.3 Determine as transpostas das seguintes matrizes:
4
3 1 0
A= 1 2 3 4 ; B=
2 ; C= 0 1
2 1
1
Observacao 3.2 Podemos definir o produto dum numero por uma matriz
independentemente do tipo de matriz que temos.
3 Soma de matrizes
Dadas duas matrizes A = (aij ) e B = (bij ) do mesmo tipo definimos a
matriz A + B = (cij ) onde
cij = aij + bij
63
Exerccio 3.5 Determine a matriz A + B onde A = (aij ) e B = (bij ) sao
duas matrizes do tipo (4 3) definidas por
aij = i j e bij = i + j
4 Produto de matrizes
Dadas as matrizes A = (aij ) do tipo (m n) e B = (bij ) do tipo (n p)
podemos definir a matriz produto A.B = (cij ) do tipo (m p) onde
n
X
cij = aik .bkj
k=1
Exerccio 3.6 Diga quais os produtos de duas matrizes que se podem efec-
tuar usando as matrizes A,B e C abaixo definidas.
1 2 0 1 0
1 0 0
A= 0 1 0 e B= e C= 0 1
0 1 2
0 0 1 0 1
64
Observacao 3.4 O elemento da matriz produto AB que se encontra na
posicao (ij) e o produto da linha i de A com a coluna j de B.
Identificando uma matriz linha (1 n) com um vector de Rn ,
a1 a2 ... an = (a1 , a2 , ..., an )
podemos concluir que o elemento (ij) da matriz produto A.B e igual ao pro-
duto escalar ( interno) da linha i de A com a transposta da coluna j de B.
Isto e,
A.A1 = In ou A1 .A = In
Exemplo 3.7 Se
1 2 1 1 2
A= entao A =
1 1 1 1
65
Podemos mostrar que, se A e B sao duas matrizes invertveis entao A.B
e uma matriz invertvel e
(A.B)1 = B 1 .A1
6 Matrizes elementares
66
A resposta ao numero 4 do exerccio anterior, no que a multiplicacao a
esquerda diz respeito, pode ser generalizada da seguinte forma:
67
chamamos matriz do sistema ou matriz dos coeficientes e a matriz
8
10
6
chamamos matriz coluna dos termos independentes.
A.X = b
e transforma-mo-lo em
12 12
(E32 ( ).E31 (3).E21 (2)).A.X = (E32 ( ).E31 (3).E21 (2)).b
5 5
que podemos representar por
(M.A).X = c
ou ainda
U.X = c
com M = E32 ( 12
5
).E31 (3).E21 (2) e c = M.b onde a matriz U = M.A tem
uma forma particular a que chamaremos matriz em escada.
68
Definicao: Diremos que U e uma matriz em escada se
(i) o primeiro elemento nao nulo numa linha se encontra na posicao j
entao a linha seguinte comeca com pelo menos j elementos nulos.
(ii) se houver linhas totalmente constitudas por zeros, ela aparece depois
das outras.
Exemplo 3.8 Nas matrizes abaixo damos uma ideia do aspecto duma matriz
em escada
0 0 0
0 0 e 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
Aos elementos assinalados com chamamos pivots.
69
Definicao: Se A e uma matriz quadrada do tipo (n n) entao:
Se car(A) < n A diz-se singular
Se car(A) = n A diz-se nao-singular
Exerccio 3.13 De um exemplo duma matriz do tipo (33) que seja singular
e de outra que seja nao-singular.
U.X = c
Sendo U uma matriz em escada este sistema e resolvido duma forma
simples de baixo para cima.
Observacao 3.7 A resolucao do sistema por este processo leva a que tenha-
mos necessidade de calcular a matriz M . No caso do exemplo modelo
1 0 0
12
M = E32 ( ).E31 (3).E21 (2) = 2 1 0
5
59 12
5
1
Voltemos ao sistema
U.X = c
onde
L.c = b.
Multiplicando o primeiro sistema por L obtemos
70
E neste princpio que assenta o metodo de eliminacao de Gauss que a
seguir apresentamos.
1 1 2 3
1 1 1 2
A=
2 2 1 6
3 1 0 1
71
Iniciamos entao processo de eliminacao de Gauss. Comecamos por mul-
tiplicar a primeira linha por (1) e adicionamos a segunda linha. Como
vimos isto e equivalente a multiplicar A por E21 (1) cuja inversa e E21 (1).
Voltamos a matriz L e colocamos 1 na posicao (21). Continuamos com o
metodo e vamos completando L.
1 1 2 3 1 1 2 3
1 1 1 2 0 2 1 1
2 2 1 6 0 0 3 0
3 1 0 1 0 4 6 8
1 0 0 0
1 1 0 0
L=
2
1 0
3 1
1 0 0 0
1 1 0 0
L=
3
1 0
2 1
e continuamos com o processo de eliminacao de Gauss
1 1 2 3 1 1 2 3 1 1 2 3
0 2 1 1 0 2 1 1
0 2 1 1
0 4 6 8 0 0 4 6 0 0 4 6
9
0 0 3 0 0 0 3 0 0 0 0 2
72
1 0 0 0
1 1 0 0
L=
3
2 1 0
2 0 34 1
e
1 1 2 3
0 2 1 1
U =
0 0 4 6
9
0 0 0 2
1 1 2 3 1 0 0 0 1 1 2 3
1 1 1 2 1 1 0 0 0 2 1 1
PA
3 1 0 1 = 3 2 1 0 . 0 0 4 6
2 2 1 6 2 0 34 1 0 0 0 9
2
73
3.4 Algoritmo de eliminacao de Gauss para
resolucao de sistemas
A.X = b
Passo 1: Factorizar P A = LU .
Passo 2: Resolver Lc = P b.
Passo 3: Resolver U X = c.
Passo 1: Factorizacao de A.
74
Passo 2: Resolver LC = b.
Isto e,
1 0 0 c1 8
2 1 0 . c2 = 10
3 12
5
1 c3 6
18
A solucao deste sistema e C1 = 8, C2 = 6 e C3 = 5
.
Passo 3: Resolver U X = c.
donde resulta, x1 = 2, x2 = 1 e x3 = 1.
(P.A).X = P b
75
Neste caso
1 7 8 1
P.A = 0 5 6 e P.b = 0
0 2 6 0
Isto e,
1 0 0 c1 1
0 1 0 . c2 = 0
0 25 1 c3 0
A solucao deste sistema e C1 = 1, C2 = 0 e C3 = 0.
Passo 3: Resolver U X = c.
Isto e,
1 7 8 x1 1
0 5 8 . x2 = 0
18
0 0 5
x3 0
cuja solucao e x1 = 1, x2 = 0 e x3 = 0.
76
3.4.2 Caso geral
Iremos agora considerar o caso geral dum sistema qualquer comecando por
estudar os chamados sistemas homogeneos.
A.X = 0
onde A e uma matriz do tipo m n. Significa entao que temos um sistema
com m equacoes e n incognitas.
O metodo de resolucao dum sistema deste tipo pode ser descrito da se-
guinte forma:
x1 x2 + 2x3 + 3x5 5x6 = 0
3x1 + 4x2 2x3 + x4 7x5 + 15x6 = 0
2x1 2x2 + 4x3 + x4 + 5x5 9x6 = 0
x1 2x2 2x3 2x4 + 2x5 5x6 = 0
77
cuja matriz associada e
1 1 2 0 3 5
3 4 2 1 7 15
2 2 4 1 5 9
1 2 2 2 2 5
Iremos agora seguir todos os passos do algoritmo anterior.
78
Para a incognita livre x5 deveremos proceder da mesma forma: damos
o valor 1 a essa incognita e zero a outra incognita livre x3 e consideramos
respectivo sistema
x1 x2 x6 = 3
x2 + x4 = 2
x4 + x6 = 1
x6 = 0
cuja solucao e
6
3
0
W2 =
1
1
0
79
Classificacao dos sistemas:
Teorema 3.1 Seja A uma matriz do tipo (m n). Entao, sobre o sistema
A.X = b
podemos afirmar
A.X = 0
onde A e uma matriz do tipo (m n) com n > m, isto e o sistema tem mais
incognitas do que equacoes. Nestas condicoes o sistema e indeterminado.
Teorema 3.3 Se
A.X = b
e um sistema possvel e y e uma sua solucao particular, entao o conjunto das
solucoes do sistema e dado por
{y + u : u N (A)}
onde, como vimos, N (A) representa o conjunto das solucoes do sistema ho-
mogeneo associado A.X = 0.
80
Exerccio 3.18 Classifique os seguintes sistemas:
a)
x + 5y + z + 2w = 0
x y + 2z + 3w = 0
2x + 6y + 4z + 4w = 0
b)
x + 5y + z + 2w = 1
x y + 2z + 3w = 0
2x + 6y + 4z + 4w = 0
c)
x + y = 0
x + z = 0
y + z = 0
d)
x + y = 0
x + z = 0
2x + 2y = 0
A.X = b
onde A e uma matriz qualquer do tipo m n.
P A = LU
20 Passo - Resolucao de Lc = P b.
Se os ultimos (m r) elementos de c nao forem todos nulos o sistema
inicial e impossvel.
81
40 Passo - Da-se o valor 0 as incognitas livres e resolve-se o sistema
com r equacoes da resultante. A solucao x deste sistema e tambem
solucao de A.X = b. Sera a solucao particular referida no Teorema 3.3
{x + u : u N (A)}
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
1 0 0 0
3 1 0 0
M = E43 (1).E42 (1).E41 (1).E31 (2).E21 (3) =
2
0 1 0
0 1 1 1
Para U e L teremos
1 0 0 0 1 1 2 0 3 5 1 1 2 0 3 5
3 1 0 0 3 4 2 1 7 15 0 1 4 1 2 0
U =
2
.
=
0
0 1 0 2 2 4 1 5 9 0 0 1 1 1
0 1 1 1 1 2 2 2 2 5 0 0 0 0 0 1
82
e
1 0 0 0
3 1 0 0
L = (E43 (1).E42 (1).E41 (1).E31 (2).E21 (3))1 =
2
0 1 0
1 1 1 1
Neste caso car(A) = 4.
20 Passo - Resolucao de Lc = b.
83
A solucao deste sistema e x1 = 7, x2 = 3, x4 = 1 e x6 = 1.
N (A) = {(61 62 , 41 32 , 1 , 2 , 2 , 0) : 1 , 2 R}
{(7 61 62 , 3 41 32 , 1 , 1 + 2 , 2 , 1) : 1 , 2 R}
84
Exemplo 3.15 Seja
1 2 0
A = 3 1 2
2 3 2
Consideremos a matriz (n 2n) definida por [A(nn) |In ].
1 2 0 | 1 0 0
3 1 2 | 0 1 0
2 3 2 | 0 0 1
Usemos de seguida o processo de eliminacao de Gauss para esta nova
matriz.
1 2 0 | 1 0 0 1 2 0 | 1 0 0
3 1 2 | 0 1 0 0 7 2 | 3 1 0
2 3 2 | 0 0 1 0 7 2 | 2 0 1
1 2 0 | 1 0 0
0 7 2 | 3 1 0
0 0 4 | 1 1 1
2 1 1
1 2 0 | 1 0 0 1 0 0 | 7 7
7
0 7 0 | 52 12 12 0 7 0 | 52 12 21
0 0 4 | 1 1 1 0 0 4 | 1 1 1
85
A inversa de A sera entao a matriz
2 1
7 7
17
A 1
=
5
14
1
14 1
14
1
4
14 14
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
86
3.6 Determinantes
Neste paragrafo iremos introduzir a nocao de determinante, associada a uma
matriz quadrada.
Daremos a definicao de determinante duma matriz quadrada (n n) com
n = 1, 2, 3, 4 e esperamos que se perceba o processo por forma a determinar
o determinante duma matriz (n n) com n > 4.
Dada uma matriz quadrada A(nn) teremos:
n = 5 detA = . . . .
.
.
.
87
Iremos agora expor um conjunto de propriedades que poderao ser uteis
para o calculo de determinantes. Em alguns casos consideraremos o caso
particular de matrizes (3 3) mas os resultados continuam validos para um
valor de n qualquer.
PROPRIEDADES
1.
a11 a12 a13 a11 a12 a13 a11 a12 a13
det a21 + b1 a22 + b2 a23 + b3 = det a21 a22 a23 +det b1 b2 b3
a31 a32 a33 a31 a32 a33 a31 a32 a33
2.
a11 a12 a13 a11 a12 a13
det .a21 .a22 .a23 = .det a21 a22 a23
a31 a32 a33 a31 a32 a33
1
6. detA1 = detA
88
Consequencias
detA = detU
89
Observacao 3.9 Para o calculo do determinante duma matriz (3 3) po-
demos usar a chamada Regra de Sarrus que a seguir se apresenta.
a11 a12 a13 a11 . . . a12 . . . a13
det a21 a22 a23 = . a22 . + . . a23 + a21 . .
a31 a32 a33 . . a33 a31 . . . a32 .
. . a13 a11 . . . a12 .
. a22 . + . . a23 + a21 . .
a31 . . . a32 . . . a33
Exerccios de controlo:
90
3. Determine a solucao geral dos seguintes sistemas:
x1 + x2 + x3 + x4 = 0
x+zy = 0 x2 + x3 + x4 = 0
(a) (b)
2x + y z + t = 0
x 1 + x2 + x3 + 2x4 = 0
2x1 + 2x2 + x3 + x4 + x5 = 0
91
8. Calcule o determinante das seguintes matrizes usando, sempre que
possvel, propriedades que lhe permitam simplificar o calculo.
1 2 3 1 4 3
(a) A = 2 4 6 (b) B = 2 5 6
1 3 4 3 6 9
1 0 0 0 1 10 20 30
10 2 0
0 0 1 40 50
(c) C =
20 (d) D =
4 4 0 0 0 1 60
30 2 0 5 0 0 0 1
det(A) = n detA
92
Captulo 4
Espaco vectorial Rn
Embora a nocao de espaco vectorial possa ser apresentada duma forma abs-
tractra iremos neste curso trabalhar apenas no espaco vectorial Rn
2- (x1 , x2 , ..., xn ) Rn , R
93
Toda a teoria que iremos desenvolver neste captulo e valida para todo o
n N no entanto iremos efectuar a sua apresentacao recorrendo, na maior
parte dos casos a R2 e R3 onde a visualizacao geometrica e possvel.
1. F 6=
2. u, v F u + v F
3. u F, R u F
r = {(x, mx) : x R}
onde m e um valor fixo. Teremos entao
Exerccio 4.1 Mostre que, em R3 , tanto as rectas como os planos que pas-
sam pela origem, sao subespacos de R3 .
94
com i R, chamamos combinacao linear de v1 , v2 , ..., vk .
O conjunto de todas as combinacoes lineares possveis de v1 , v2 , ..., vk ,
{1 .v1 + 2 .v2 + ... + k .vk : i R, i = 1, 2, ...k} ,
sera denotado por
L {v1 , v2 , ..., vk } .
Pode provar-se que este conjunto e um subespaco vectorial de Rn que sera
chamado subespaco gerado pelos vectores v1 , v2 , ..., vk .
Exemplo 4.2 Sejam v1 = (1, 0, 0) e v2 = (0, 1, 0) dois elementos de R3 .
Entao
= {1 .(1, 0, 0) + 2 .(0, 1, 0) : 1 , 2 R} =
= {(1 , 2 , 0) : 1 , 2 R} =
= {(x, y, z) R3 : z = 0}
Como sabemos este conjunto e o plano z = 0.
Exerccio 4.2 Identifique o subespaco L {v1 , v2 } de R3 onde
v1 = (1, 1, 0) ; v2 = (0, 0, 1)
95
Teorema 4.1 O sistema Ax = b e possvel sse b C(A).
96
Trata-se dum sistema que podemos resolver pelo metodo de eliminacao de
Gauss. Teremos entao
2 1 1 2 1 1 2 1 1
0 1 1 0 1 1 0 1 1 =U
1 1
1 0 0 2 2 + 0 0
L {v1 , v2 , ..., vk } = F
97
Exemplo 4.5 Em R3 os vectores
1 0 0
0 1 0
0 0 1
constituem uma base de R3 . Para fundamentar esta afirmacao iremos comecar
por verificar que sao linearmente independentes. Basta construir a matriz A
cujas colunas sao os vectores dados e cuja caracteristica e 3
1 0 0
A= 0 1 0
0 0 1
concluir que o sistema AX = 0 e determinado e, portanto, os vectores sao
linearmente independentes.
Por outro lado,
L {(1, 0, 0), (0, 1, 0), (0, 0, 1)} = {x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1) : x, y, z R}
= {(x, y, z) : x, y, z R} = R3
Isto significa que os vectores geram R3 .
Observacao 4.2 A base {(1, 0, 0), (0, 1, 0), (0, 0, 1)} chamamos base canonica
de R3 .
Do mesmo modo {(1, 0), (0, 1)} e a base canonica de R2
Exemplo 4.6 Consideremos em, R2 , uma recta r que passe pela origem.
Vimos anteriormente que r e definida por
r = {(x, mx) : x R}
Podemos afirmar que
{(1, m)}
e uma base de r.
Obviamente que
(1, m) = (0, 0) (, m) = (0, 0) = 0
e portanto e linearmente independente.
Por outro lado, sendo
98
Definicao: Seja F um subespaco vectorial de Rn . Ao numero de ele-
mentos duma base de F chamamos dimensao de F (dim F ).
99
Exerccio 4.5 Determine um vector w tal que os vectores
1
,w
1
constituam uma base de R2
Exerccio 4.10 Construa uma base dum qualquer plano de R3 que conte-
nha a origem.
Exerccio 4.11 Construa uma base duma recta r de R3 que contenha a ori-
gem.
100
4.3 Caracterstica duma matriz
Seja Amn uma matriz. Definimos
nul(A) = n car(A)
101
cuja solucao e w1 = (2, 1, 0, 0, 0).
No segundo caso, teremos
x1
1 2 0 1 0 0 0
0 0 1 2 1 . x3 = 0
0 0 0 2 1 x4 0
1
Observacao 4.6 Embora tenhamos dim C(A) = dim C(U ) nao e verdade
que C(A) = C(U ).
102
Considerando, mais uma vez, a matriz do exemplo anterior podemos entao
concluir que
1 0 0
0
2 0
0 , 1 , 0
1 2 2
0 1 1
e uma base de R(A).
Conclusao: Teremos
T : Rn Rm
que verifica
1. T (u + v) = T (u) + T (v), u, v Rn
2. T (u) = T (u), u Rn , R
1.
T : R R
x 2x
2.
T : R2 R2
u u
3.
T : R3 R
(u, v, z) u
4.
T : R3 R3
(u, v, z) (u, 0, 0)
103
5.
T : R3 R3
(u, v, z) (u, v, 0)
T : Rn Rm
coluna j
. . 1 . .
. . 2 . .
A=
. . . . .
. . . . .
. . m . .
Pode-se provar que
104
podemos construir a matriz A associada ao operador linear T
2 4
A=
1 1
e teremos
2 4 x
T ((x, y)) = . = (2x + 4y, x + y) , (x, y) R2
1 1 y
1 cos 0 sin 0 0
T 0 = sin ; T 1 = cos ; T 0 = 0
0 0 0 0 1 1
1 1 0 0 0 0
S 0 = 0 ; S 1 = cos ; S 0 = sin
0 0 0 sin 1 cos
105
Exerccios de controlo:
1. Verifique se
F = {(x, x, 0, 0) : x R}
e um subespaco de R4
106
Captulo 5
Produto interno em Rn
Exemplo 5.1 O produto escalar de dois elementos de Rn pode ser nulo sem
que nenhum dos elementos o seja. Com efeito, considerando os elementos
nao nulos de R2 (1, 0) e (0, 1), facilmente conclumos que o seu produto
escalar e nulo.
107
Definicao: Sejam x = (x1 , x2 , ..., xn ) e y = (y1 , y2 , ..., yn ) dois elementos
de Rn . Entao:
a) Definimos norma de x por
||x|| = < x, x >
b) Definimos distancia de x a y por
||x y||
c) Diremos que x e y sao ortogonais ( perpendiculares) se
< x, y >= 0
108
Definicao: Para x e y em Rn define-se o angulo entre x e y como o valor
entre 0 e tal que
< x, y >
](x, y) = arcos
||x||.||y||
Daqui resulta que
109
Exemplo 5.4 Teremos
1.
||x + y|| ||x|| + ||y||
110
Definicao: Uma base {v1 , v2 , ..., vk } dum subespaco vectorial F de Rn
diz-se ortogonal se os vectores vi forem dois a dois ortogonais, isto e, se
< vi , vj >= 0, i 6= j
Diremos que a base e ortonormada se, para alem de ser ortogonal, os seus
elementos tiverem norma 1.
Exemplo 5.7 A base {(1, 0), (0, 2)} de R2 e uma base ortogonal mas nao e
ortonormada.
O resultado que se segue mostra-nos uma das vantagens de ter uma base
ortonormada.
Teorema 5.2 Seja {v1 , v2 , ..., vk } uma base ortogonal dum subespaco vecto-
rial F de Rn . Entao, para todo o v F teremos
k
X Xk
< v, vi >
v= projvi v = .vi
i=1 i=1
||vi ||2
Se a base for ortonormada entao ||vi || = 1 e teremos
k
X
v= < v, vi > .vi
i=1
111
Consequencia: Se {v1 , v2 , ..., vk } e uma base ortonormada dum su-
bespaco vectorial F de Rn entao para todo o v F ,
k
X
2
||v|| = < v, vi >2
i=1
< v vF , w >= 0, w F
Isto significa que v vF e ortogonal a todos os vectores de F .
2. E dado por
112
Observacao 5.1 Se a base for ortonormada entao
projF (v) =< v, v1 > .v1 + < v, v2 > .v2 + . . .+ < v, vk > .vk
r = {(x, 2x) : x R}
Como vimos anteriormente, trata-se dum subespaco vectorial de R2 de
dimensao 1. Qualquer elemento nao nulo de r constitui uma base de r.
Considere-se entao a base de r constituda pelo elemento (1, 2). Teremos
entao
113
Teorema 5.4 ( Processo de ortogonalizacao de Gram-Schmidt)
Seja F um subespaco vectorial de Rn e {v1 , v2 , ..., vk } uma sua base.
Entao os vectores
{u1 , u2 , ..., uk }
definidos por
u1 = v 1
u2 = v2 proju1 v2
u3 = v3 proju1 v3 proju2 v3
.
.
.
uk = vk proju1 vk proju2 vk ... projuk1 vk
Constituem uma base ortogonal de F .
u1 = v1 = (1, 1, 0)
u2 = v2 proju1 v2
<u1 ,v2 >
= (1, 0, 1) ||u1 ||2
.u1
<(1,1,0),(1,0,1)>
= (1, 0, 1) 2
.(1, 1, 0)
= ( 21 , 12 , 1)
Os vectores {(1, 1, 0), ( 12 , 21 , 1)} constituem uma base ortogonal de F .
114
A partir desta base podemos construir uma base ortonormada basta para
isso multiplicar cada vector pelo inverso da sua norma.
Teremos entao a seguinte base ortonormada de F :
2 2 6 6 6
{( , , 0), ( , , )}
2 2 6 6 3
Exerccio 5.6 Determine uma base ortonormada de cada um dos seguintes
subespacos vectorias F1 e F2 de R4 .
AX b = 0
Iremos entao procurar X Rn que torne mnima a distancia de AX a b,
isto e,
AX = bc
onde
bc = projC(A) b
(bc e o vector de C(A) que esta mais proximo de b).
115
Algoritmo para a determinacao das solucoes dum sistema no
sentido dos mnimos quadrados
116
e uma base de C(A).
u1 = (1, 0, 1)
bc = projC(A) (1, 0, 2)
<(1,0,2),(1,0,1)> <(1,0,2),(1,1,1)>
= 2
.(1, 0, 1) + 3
.(1, 1, 1)
= ( 76 , 13 , 11
6
)
117
A solucao do sistema
7
1 0 0 c1 6
0 1 0 . c2 = 1
3
11
1 2 1 c3 6
sera
7
c1 = 6
c2 = 13
c3 = 0
O sistema U X = c tem entao a forma
7
1 2 3 x1 6
0 1 0 . x2 = 1
3
0 0 0 x3 0
cuja solucao e ( 11
6
3x, 13 , x).
A solucao do sistema no sentido dos mnimos quadrados sera entao dada
pelo conjunto
11 1
{( 3x, , x) : x R}
6 3
Exerccio 5.7 Determine a solucao, no sentido dos mnimos quadrados, do
seguinte sistema:
x + 2y + 3z = 0
2x + 2y + 4z = 0
x + z = 1
Outro processo:
Se X for solucao de
AT AX = AT b
entao X e solucao de AX = b no sentido dos mnimos quadrados.
118
Exemplo 5.11 Consideremos o sistema do exemplo anterior. O sistema
AT AX = AT b tem a forma
1 0 1 1 2 3 x1 1 0 1 1
2 1 0 . 0 1 0 x2 = 2 1 0 . 0
3 0 3 1 0 3 x3 3 0 3 2
ou seja,
2 2 6 x1 3
2 5 6 x2 = 2
6 6 18 x3 9
Para resolver este sistema iremos usar o algoritmo de eliminacao de Gauss
comecando por efectuar a decomposicao LU da matriz deste ultimo sistema.
Teremos
2 2 6 1 0 0 2 2 6
2 5 6 = 1 1 0 0 3 0
6 6 18 3 0 1 0 0 0
O sistema Lc = (3, 2, 9) tem entao a forma
1 0 0 c1 3
1 1 0 c2 = 2
3 0 1 c3 9
cuja solucao e (3, 1, 0).
No sistema U X = c damos o valor zero as incognitas livres e obtemos o
sistema
2 2 6 x1 3
0 3 0 x2 = 1
0 0 0 0 0
cuja solucao e x = ( 11
6
, 31 , 0).
Para a construcao de N (A) consideramos o sistema
2 2 6 x1 0
0 3 0 x2 = 0
0 0 0 1 0
cuja solucao e (3, 0, 1). Para N (A) teremos entao:
N (A) = {(3, 0, ) : R}
119
A solucao no sentido dos mnimos quadrados sera entao
11 1
{( , , 0) + (3, 0, ) : R}
6 3
Exerccio 5.8 Determine a solucao, no sentido dos mnimos quadrados,
pelo processo alternativo, do seguinte sistema:
x + 2y + 3z = 0
2x + 2y + 4z = 0
x + z = 1
Aplicacao:
(1 , 1 ) , (2 , 2 ), . . . , (n , n )
y = mx + b
120
que melhor se aproxime destes pontos.
Se os pontos estivessem sobre a recta entao as suas coordenadas de cada
um dos pontos satisfariam a equacao da recta. Teramos entao o seguinte
sistema:
m1 + b = 1 1 1 1
2 1
m2 + b = 2 2
. . . m .
. . = .
. b
. . .
.
mn + b = n n 1 n
Como duma forma geral nao existe solucao para este sistema, o nosso
objectivo sera determinar a solucao no sentido dos mnimos quadrados.
De acordo com o que foi exposto anteriormente a solucao deste sistema
minimizara
p
(m1 + b 1 )2 + (m2 + b 2 )2 + . . . + (mn + b n )2
121
Exerccio 5.10 Para um certo oleo foi calculada a viscosidade em funcao
da temperatura.
T 20 40 60 80 100 120
220 200 180 70 150 135
Exerccios de controlo:
{(x, y, z) R3 : ax + by + cz = 0}
122
Captulo 6
Diagonalizacao de matrizes
123
para algum x 6= 0.
No que se segue iremos usar a linguagem matricial embora tudo possa
ser formulado em termos de operadores lineares.
Podemos escrever () na forma
Ax x = 0 (A I)x = 0
(A I)
sao
2 2 + 1 e 2 3 + 2
respectivamente. No primeiro caso temos a raz 1 de multiplicidade
algebrica dois enquanto que no segundo temos as razes 1 e 2, cada
uma com multiplicidade algebrica um.
124
Quanto aos vectores proprios associados ao valor proprio , definidos
como os vectores nao nulos que verificam (), podem entao ser carac-
terizados, usando a linguagem matricial anterior, por
N (A I) {0}
A N (A I) chamamos subespaco proprio associado ao valor proprio
. A dimensao de N (A I) chamamos multiplicidade geometrica
do valor proprio .
Valor proprio = 0:
125
A incognita livre e x2 . Fazemos entao x2 = 1 e resolvemos o sistema
1 1 0 x1 0
0 0 2 1 = 0
0 0 0 x3 0
N (A 0I) = {x(1, 1, 0) : x R}
Valor proprio = 2:
1 1 0 x1 0
0 0 0 0 = 0
0 0 0 1 0
cuja solucao e (0, 0, 1).
Conclumos que {(1, 1, 0), (0, 0, 1)} e uma base de N (A 2I). Assim
sendo, o valor proprio = 2 tem multiplicidade geometrica 2.
126
Exerccio 6.1 Determine os valores proprios e os respectivos subespacos
proprios associados a cada uma das seguintes matrizes:
1 1
a) A=
0 1
1 1 0
b) B= 0 1 0
0 0 1
1 1 0
c) C= 0 1 0
1 0 1
1 1 1
d) D= 0 1 0
0 0 2
2 0 0 0
0 1 0 0
e) E=
0 1 1 0
0 1 0 2
127
Definicao: Uma matriz Ann diz-se diagonalizavel se existirem uma
matriz invertvel Vnn e uma matriz diagonal Dnn tais que
A = V DV 1
1 1
1 1 0 1 1 0 0 0 0 2 2 0
1 1 0 = 1 1 0 . 0 2 0 . 1 1 0
2 2
0 0 2 0 0 1 0 0 2 0 0 1
Temos o seguinte resultado que, sob certas condicoes, garante que uma
dada matriz A e diagonalizavel.
128
Consequencia 1: Se uma matriz Ann tiver n valores proprios dis-
tintos entao tera n vectores proprios linearmente independentes e, por
conseguinte sera diagonalizavel.
Exerccio 6.2 Diga, justificando, quais das seguintes matrizes sao di-
agonalizaveis:
4 1 0 1 0 0
1 1
A = 1 1 0 ; B = 0 1 1 ; C=
1 1
0 0 2 0 1 1
Observacao 6.1 O facto duma matriz Ann nao ter n valores proprios
distintos nao permite inferir que nao seja diagonalizavel. O Exemplo
6.2 que foi dado no incio desta seccao mostra isso mesmo.
129
Exemplo 6.5 Consideremos agora a matriz A definida por
3 2 1
A= 2 0 0
0 0 1
( 1)(2 + 3 + 4)
1 = 4 ; 2 = 1 ; 3 = 1
Uma vez que temos tres valores proprios distintos podemos garantir que
o conjunto dos tres vectores proprios associados constitui uma base de
R3 .
Para construirmos a matriz diagonalizante V iremos calcular os vecto-
res proprios associados a cada um dos valores proprios.
Valor proprio 1 = 4
e W1 = (2, 1, 0).
Considerando os outros valores proprios e procedendo da mesma forma
obteremos os seguintes vectores proprios:
1
W2 = ( , 1, 0) associado ao valor proprio 2 = 1
2
e
1 1
W3 = ( , , 1) associado ao valor proprio 3 = 1
6 3
130
A matriz diagonalizante V sera entao definida por
2 12 1
6
V = 1 1 13
0 0 1
2 1
3 2 1 2 12 16 4 0 0 5 5
2
15
2 0 0 = 1 1 13 0 1 0 25 45 1
5
0 0 1 0 0 1 0 0 1 0 0 1
Exerccios de controlo:
1 1 1 1 1 1
a) 0 1 1 b) 0 1 0
0 0 1 1 1 1
5 8 16 3 0 6
c) 4 1 8 d) 0 3 0
4 4 11 5 0 2
131
Provas de avaliacao:
a 1
n+1 = 1 1+4a2n
, nN
132
5. Calcule o limite das seguintes sucessoes:
n
X 2k 1 n2 + 1
a) un = ; b) v n = n(e n 1) ; c) z = (
n )(1)n
k=1
(2n + 1)n2 n3 + 3
X
X
X
(1)n 1 2n+3 + n 1
a) ( n+3 + n sin ) ; b) ; c)
n=1
6 n n=1
n2 n=1
n2n+3
X X
X
4 n1 1 (1)n
a) ( n+ 2 ) ; b) n
; c)
n=1
3 n + 1 n=1
2 n! n=1
n3 + 2n2 + 3
10. Para uma das series convergentes do exerccio anterior, a sua escolha,
diga, justificando, se ao considerar S4 como valor aproximado da soma
1
da serie comete um erro inferior a 100 .
133
11. Diga, justificando, se sao verdadeiras ou falsas as seguintes afirmacoes:
X
(a) Se a serie an converge entao o limite da sucessao das somas
n=1
parciais e sempre igual a zero.
X
X
(b) Se a serie an converge entao a serie a2n tambem converge.
n=1 n=1
X sin n
(c) A serie e uma serie simplesmente convergente.
n=1
n2
(a) Se (xn )nN e (yn )nN sao duas sucessoes divergentes entao a su-
cessao (xn .yn )nN tambem e divergente.
(b) Se (xn )nN e uma sucessao convergente e (yn )nN e uma sucessao
divergente entao a sucessao (xn .yn )nN tambem e divergente.
(b) A soma duma serie nao depende dos seus primeiros p termos.
an+1
(c) Se (an )nN e uma sucessao de numeros positivos tal que lim =
an
, com < 1, entao lim an = 0.
2
14. Diga, justificando devidamente, se ( 3 ) e o valor do seguinte integral.
Z 1 X
(1)n
( n
sin(x)) dx
0 n=1
2
134
16. Diga, justificando devidamente, se
Z " #
2 X (1)n1 nx 8
n sin dx =
0 n=1
4n 15
X (1)n en
17. Determine o intervalo de convergencia da serie (x 1)n .
n=1
n
2 2
a) f (x) = ; b) g(x) =
x2 (x 2)2
20. Considere a funcao f definida por
x3
f (x) =
(2 + 3x)2
135
Frequencia de Matematica II
2 de Junho de 2008
Duracao: 1 hora 30 minutos
F = {(x, y, z) R3 : 2x + y + z = 0}
136
(e) Resolva, no sentido dos mnimos quadrados, o sistema
1 0 0
0 1 . x = 1
y
2 1 0
Frequencia de Matematica II
8 de Junho de 2009
F = {(x, y, z) R3 : x + y + 2z = 0}
137
Frequencia de Matematica II
31 de Maio de 2010
Duracao: 1 hora 30 minutos
1. (a) Resolva , usando o algoritmo de eliminacao de Gauss, o sistema
A.X = b onde
1 0 1 1 1
A= 2 0 2 2 e b= 2
1 1 1 0 0
(b) Determine uma base de L{(1, 0, 1, 1), (2, 0, 2, 2), (1, 1, 1, 0)}.
Exame de Matematica II
17 de Junho de 2008
1. Considere a sucessao (an )nN definida por recorrencia por
a1 =1
1 2
an+1 = (a
3 n
+ 1), n N
138
(a) Mostre, por inducao, que (an )nN e uma sucessao decrescente.
(b) Mostre que (an )nN e uma sucessao limitada.
(c) Conclua que existe limite de (an )nN e calcule-o.
1
Formulario:
1
Criterio de DAlembert: Rp ap+1 . 1k p
1
Criterio de Cauchy: Rp Kpp+1 . 1kp
R +
Criterio do Integral: Rp p f (x)dx
Criterio de Leibnitz: |Rp | bn+1
139
6. Considere a matriz A definida por
1 1 1 1 1
0 0 1 1 0
A=
1 1 0 0 0
2 2 2 2 1
(a) Determine uma factorizacao P A = LU .
(b) Resolva, usando eliminacao de Gauss, o sistema
0
1
A.X = 1
0
F = {(x, y, z) R3 : x + 2y + 2z = 0}
140
Exame de Matematica II (RECURSO)
10 de Julho de 2008
e convergente.
Sugestao: Recorde que ln n < n para todo o n N
141
4. Considere a matriz A definida por
1 1 1 1 1
0 0 1 1 0
A=
1 1 1 1 1
2 2 2 2 1
(a) Determine uma factorizacao P A = LU .
(b) Resolva, usando a eliminacao de Gauss, o sistema
0
1
A.X = 0
1
5. Determine a matriz inversa da matriz B definida por
1 1 1
B= 0 1 0
2 0 1
142
Exame de Matematica II
24 de Junho de 2009
Duracao: 2 hora 30 minutos
143
6. Considere a matriz A definida por
1 2 1
A= 2 4 2 .
1 2 1
144
Exame de Matematica II (RECURSO)
13 de Julho de 2009
Duracao: 2 hora 30 minutos
X 1 x
( + ) , x [0, 1]
n=1
3n + x n!
145
7. Considere o subespaco vectorial F de R3 definido por
8. Resolva o sistema
x1
1 1 1 0 0
2 2 2 0 . x2 = 0
x3
1 1 0 1 1
x4
e impossvel.
146
Exame de Matematica II
21 de Junho de 2010
Duracao: 2 hora 30 minutos
147
6. Mostre, usando a definicao, que
F = {(x, y, z) R3 : 2x + 2y + z = 0}
e um subespaco vectorial de R3 .
148
Exame de Matematica II (RECURSO)
9 de Julho de 2010
Duracao: 2 horas 30 minutos
X xn
(b) A serie de potencias tem intervalo de convergencia ] 1, 1[.
n=1
n
X sin n2
(c) Se an e convergente entao a sucessao vn = an . e con-
n=1
3n2 + n
vergente.
(d) Podemos garantir que 21 + 16 + 241
difere do valor exacto da soma
+
X 1 1
da serie por um valor inferior a 50 . (2 )
n=1
(n + 1)!
(e) A serie
+
X sin nx x
2
n cos( 2 )
n=1
n n
converge uniformemente em R.
(f) Nem toda a serie numerica convergente e absolutamente conver-
gente.
X 1 4n
2. Determine a natureza da serie . No caso de ser convergente
n=1
23n
calcule a sua soma.
2
Formulario:
1
Criterio de DAlembert: Rp ap+1 . 1k p
1
Criterio de Cauchy: Rp Kpp+1 . 1kp
R +
Criterio do Integral: Rp p f (x)dx
Criterio de Leibnitz: |Rp | bn+1
149
3. Determine um desenvolvimento em serie de potencias de x da funcao
1
g(x) = .
(x 4)2
1 3 0
4. Considere a matriz A = 1 3 1 .
0 2 1
150
Departamento de Matematica da Universidade de Coimbra
1a Frequencia de Matematica II
4 de Abril de 2011
ATENCAO: Deve justificar as suas respostas e apresentar os calculos
que efectuar.
Duracao: 1 hora 30 minutos
151
Departamento de Matematica da Universidade de Coimbra
1a Frequencia de Matematica II
30 de Marco de 2011
ATENCAO: Deve justificar as suas respostas e apresentar os calculos
que efectuar.
Duracao: 1 hora 30 minutos
152
Departamento de Matematica da Universidade de Coimbra
27 de Maio de 2011
ATENCAO: Deve justificar as suas respostas e apresentar os calculos
que efectuar.
Duracao: 1 hora 30 minutos
F = {(x, y, x, z x) : x, y, z R}
5. Classifique o sistema
2
2
A.X =
0
0
153
Departamento de Matematica da Universidade de Coimbra
Exame de Matematica II
20 de Junho de 2011
ATENCAO: Deve justificar as suas respostas e apresentar os calculos
que efectuar.
Duracao: 2 horas 30 minutos
1a PARTE
1. Calcule o limite das seguintes sucessoes:
n
X
ln(n2 + 1) sin(n2 + 1)
a) un = ; b) vn = ; c) wn = ek
1 + ln(3n3 + 2) en k=1
1
an+1 = 2
+ (an 21 )2 , n N
Mostre que a sucessao e convergente e calcule o seu limite.
3. Determine a natureza das seguintes series e, no caso de serem conver-
gentes verifique se ao aproximar a soma da serie pela soma dos seus dois
primeiros termos pode garantir que comete um erro inferior a 0.01.
X
X
(1)n n 2n
a) ( n + ) ; b)
n=1
2 n + 1 n=1
(2n + 1)!
Z
1X
ex+n e1
4. Verifique se n
dx = .
0 n=1
3 3e
154
2a PARTE
155
Departamento de Matematica da Universidade de Coimbra
Exame de Matematica II
8 de Julho de 2011
ATENCAO: Deve justificar as suas respostas e apresentar os calculos
que efectuar.
Duracao: 2 horas 30 minutos
1a PARTE
2. Sejam (an )nN o termo geral duma serie convergente e (bn )nN uma
sucessao que verifica
0 bn an , n N
Calcule lim bn .
X
X
n+1 1 nen 1
a) ((1) + (1) n+1 ) ; b) ( + (1)n )
n=1
3n+2 3 n=1
(2 + n)n
X 2 +2x+10)nn2
5. Verifique se a serie de funcoes e(x e uniformemente
n=1
convergente em [0, 10].
156
6. Considere a funcao f definida por
2a PARTE
4. Determine W R3 tal que {(1, 0, 0), (0, 1, 1), W } constituam uma base
R3
157
Departamento de Matematica da Universidade de Coimbra
Frequencia de Matematica II
30 de Marco de 2012
ATENCAO: Deve justificar as suas respostas e apresentar os calculos
que efectuar.
Duracao: 1 hora 30 minutos
158
Departamento de Matematica da Universidade de Coimbra
04 de Junho de 2012
ATENCAO: Deve justificar as suas respostas e apresentar os calculos
que efectuar.
Duracao: 1 hora 30 minutos
F = {(x, y, z, w) : y z + w = 0}
(a) Mostre que {(1, 0, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1)} e uma base de F .
(b) Determine o elemento de F mais proximo de (0, 0, 0, 3).
159
Departamento de Matematica da Universidade de Coimbra
Exame de Matematica II
25 de Junho de 2012
ATENCAO: Deve justificar as suas respostas e apresentar os calculos
que efectuar.
Duracao: 2 horas 30 minutos
1a PARTE
1 n2
a) un = n(1 cos ) ; b) vn =
n (n + 1)!
X
X
(1)n n 2n
a) ( n + ) ; b)
n=1
2 n+1 n=1
(2n + 1)!
Z
X
nx sin(nx2 ) 4
4. Diga, justificando, se dx = .
0 n=1
2n 3
3
Formulario:
1
Criterio de DAlembert: Rp ap+1 . 1k p
1
Criterio de Cauchy: Rp Kpp+1 . 1k
R + p
160
5. Considere a funcao f definida por
x
f (x) = .
4 + 2x2
Determine um desenvolvimento em serie de potencias de x da funcao
f e indique todos os valores de x para os quais a serie converge.
2a PARTE
com a, b, c R.
161
Departamento de Matematica da Universidade de Coimbra
Exame de Matematica II
13 de Julho de 2012
ATENCAO: Deve justificar as suas respostas e apresentar os calculos
que efectuar.
Duracao: 2 horas 30 minutos
1a PARTE
X
X
n! (2)n + 32n
a) (1)n n ; b)
n=1
n n=1
4n
X
3. Verifique se a serie de funcoes nenx e uniformemente convergente
n=1
em [2, 4].
X
en n
4. Determine todos os valores de x para os quais a serie (1)n x
n=1
n
e convergente.
162
2a PARTE
163
Departamento de Matematica da Universidade de Coimbra
Frequencia de Matematica II
10 de Abril de 2013
Duracao: 1 hora 30 minutos
1. Calcule:
1
(a) lim n2 (e n2 1).
X
(b) lim(an . sin(en )) , sabendo que an , e convergente.
n=1
2n+1
X 1
(c) lim .
k=1
(2n2 + 1)2k
X
X
(2)n n 1 n+1
a) [ + (1 + )n ] ; b)
n=1
(2n)! n n=1
2n
164
Departamento de Matematica da Universidade de Coimbra
Frequencia de Matematica II
29 de Maio de 2013
Duracao: 1 hora 30 minutos
165
Departamento de Matematica da Universidade de Coimbra
Exame de Matematica II
17 de Junho de 2013
ATENCAO: Deve justificar as suas respostas e apresentar os calculos
que efectuar.
Duracao: 2 horas 30 minutos
1a PARTE
sin(n2 + 1) ln(n3 + 1)
a) un = ; b) vn =
n2 + 1 10 + ln(n3 + n2 )
2. Considere a sucessao (an )nN definida por recorrencia por
a1 =0
1 2
an+1 = (a
2 n
+ 1), n N.
n
X
1 n2
a) un = (1 ) ; b) vn = 3k
n k=1
X X
(1)n 3n 1 1
a) ( n + 2 2n ) ; ( + sin( ))
n=1
2 2 n=1
n! n
X
2
4. Determine todos os valores de x para os quais a serie (2x)n e
n=1
n
convergente.
5. Considere a funcao f definida por
2x
f (x) = .
(2 + 4x)2
F = {(x, y, z, w) R4 : x + y + z = 0}
(a) Mostre que {(1, 0, 1, 0), (0, 1, 1, 0), (0, 0, 0, 1)} constitui uma base
de F .
(b) Determine projF (0, 3, 3, 3).
(c) Classifique o sistema
1 0 0 0
0 x1
1 0 = 3
1 1 0 . x 2 3
x3
0 0 1 3
(d) Resolva o sistema abaixo, usando o algoritmo de eliminacao de
Gauss.
1 0 0 2
0 x1
1 0
. x2 = 1
1 1 0 1
x3
0 0 1 3