1 Cálculo Diferencial com uma Variável

1) A DERIVADA 7) TEOREMA DO VALOR MÉDIO

Seja a função𝑓(𝑥) uma função contínua, CONSIDERAÇÕES:
sua derivada é dada por
( ) ( )
I. 𝑓 é contínua no intervalo fechado [a,b]
𝑓′(𝑥) = lim . 𝑓′(𝑥) é o II. 𝑓 é derivável no intervalo aberto ]a,b[
→
coeficiente angular da reta tangente no
ponto. Existe um número c em [a,b], tal que
( ) ( )
𝑓(𝑐) = .
2) DIFERENCIAÇÃO
8) EXTREMOS DE UMA FUNÇÃO
A função é diferenciável no ponto (𝑥, 𝑓(𝑥))
se 𝑓 é definida pelo menos em algum I. Pontos Críticos: =0
²
intervalo aberto contendo 𝑥, e 𝑓′(𝑥) existe II. Ponto de Inflexão: =0
²
e é finita. A função 𝑓 é diferenciável se e III. Concavidade
somente se 𝑓′(𝑥 ) = 𝑓′(𝑥 ) e forem ²
a) Voltada para cima: >0
finitos. ²
²
b) Voltada para baixo: <0
3) PROPRIEDADES IV. Crescimento e Decrescimento
²

𝑑 𝑑 a) Crescimento: >0
𝑐=0 (𝑢 + 𝑣) = 𝑢′ + 𝑣′
𝑑𝑥 𝑑𝑥 b) Decrescimento: <0
𝑑 𝑑
𝑥=1 (𝑢. 𝑣) = 𝑣. 𝑢 + 𝑢. 𝑣′
𝑑𝑥 𝑑𝑥 V. Assíntotas
𝑑 𝑑 1 −𝑣′ a) Verticais: Ocorrem quando existe
𝑥 = 𝑛𝑥 =
𝑑𝑥 𝑑𝑥 𝑣 𝑣² algum valor de 𝑥 que zere o
𝑑 𝑑 𝑑 𝑢 𝑣. 𝑢 − 𝑢. 𝑣′ quociente da função.
𝑐. 𝑢 = 𝑐 𝑢 =
𝑑𝑥 𝑑𝑥 𝑑𝑥 𝑣 𝑣² b) Horizontais: Ocorrem quando se
4) REGRA DA CADEIA tende o valor de 𝑥 para mais ou
menos infinito e ele converge para
Sengo 𝑓(𝑔(𝑥)), sua derivada é calculada da
algum valor.
seguinte forma: = 9) DERIVAÇÃO IMPLÍCITA
I. Deriva-se ambos lados da equação em
5) DERIVADA DA INVERSA relação a 𝑥
II. Nas parcelas que tem 𝑦, aplica-se a
(𝑓(𝑥) )′ = ( ( )
, ou simplesmente:
) regra da cadeia, evidenciando-se

𝑑𝑥 1 III. Isola-se e fim.

=
𝑑𝑦 𝑑𝑦
𝑑𝑥

6) EQUAÇÃO DA RETA
𝑚(𝑥 − 𝑥 ) = (𝑦 − 𝑦 ), no caso da
equação da reta normal a essa reta que
passa pelo ponto(𝑥 , 𝑦 ), é dada por
𝑛(𝑥 − 𝑥 ) = (𝑦 − 𝑦 ), onde 𝑛 = .

Cálculo Diferencial e Integral Básico

2 Cálculo Integral com uma Variável

1. O DIFERENCIAL b) Trigonométrica Inversa

c) Polinomial
Seja 𝑦 = 𝑓(𝑥), e 𝑓 (𝑥) = , logo tem-se d) Trigonométrica
e) Exponencial
que 𝑑𝑦 = 𝑓 (𝑥)𝑑𝑥, onde 𝑑𝑦 e 𝑑𝑥 são
diferenciais.

2. A INTEGRAL III. Substituição Trigonométrica

Tomando o conceito de diferencial: Método usado quando os métodos

anteriores não são suficientes. Tal método
𝑦 = lim ∑ 𝑓 (𝑥)∆𝑥 = ∫ 𝑓 (𝑥)𝑑𝑥 + 𝑐 se baseia na substituição de variáveis de 𝑥
∆ →
para 𝜃 e assim realizarmos a integração. A
A Integral calcula a área sob a curva. troca de variáveis se baseia no seguinte
triângulo
3. PROPRIEDADES
 ∫ 𝑘. 𝑑𝑥 = 𝑘𝑥 + 𝑐
 ∫ 𝑘. 𝑓(𝑥)𝑑𝑥 = 𝑘 ∫ 𝑓(𝑥)𝑑𝑥 + 𝑐
 ∫ 𝑓(𝑥) + 𝑔(𝑥)𝑑𝑥 = ∫ 𝑓(𝑥)𝑑𝑥 + ∫ 𝑔(𝑥)𝑑𝑥 + 𝑐
 ∫ 𝑓(𝑥)𝑑𝑥 = − ∫ 𝑓(𝑥)𝑑𝑥
 ∫ 𝑓(𝑥)𝑑𝑥 = 0
 ∫ 𝑓(𝑥)𝑑𝑥 + ∫ 𝑓(𝑥)𝑑𝑥 = ∫ 𝑓(𝑥)𝑑𝑥
4. TEOREMA FUNDAMENTAL
DO CÁLCULO
CONSIDERAÇÃO: A função 𝑓 é contínua e
definida no intervalo fechado [a,b]. IV. Por Frações Parciais

∫ 𝑓(𝑥)𝑑𝑥 = 𝐹(𝑏) − 𝐹(𝑎), onde 𝐹 é a 𝑃(𝑥) 𝑅(𝑥)

𝑑𝑥 = 𝑆(𝑥) + 𝑑𝑥
primitiva de 𝑓. 𝑄(𝑥) 𝑄(𝑥)
Aplica expansão por frações parciais na
Ou simplesmente: 𝑓(𝑥) = ∫ 𝑓(𝑥)𝑑𝑥
fração de polinômios e aplica a integral.
A área sob a curva 𝑓 no intervalo fechado
[a,b] é calculado por sua integral. 6. VOLUMES ROTACIONAIS
I. Rotação em torno do eixo L=𝑦 ,
5. TÉCNICAS DE INTEGRAÇÃO paralelo ao eixo 𝑥:
I. Substituição
𝑉 = 𝜋 [𝑓(𝑥) − 𝐿]²𝑑𝑥
∫ 𝑔(𝑓(𝑥))𝑓′(𝑥)𝑑𝑥 = ∫ 𝑔(𝑢)𝑑𝑢, onde
𝑓(𝑥) = 𝑢 e = 𝑓′(𝑥) II. Rotação em torno do eixo L=𝑥 ,
paralelo ao eixo 𝑦:
II. Por Partes

∫ 𝑔(𝑥)𝑓′(𝑥)𝑑𝑥 = 𝑢. 𝑣 − ∫ 𝑣𝑑𝑢, onde 𝑉 = 2𝜋 [𝑥 − 𝐿]𝑓(𝑥)𝑑𝑥

𝑔(𝑥) = 𝑢, 𝑓′(𝑥)𝑑𝑥 = 𝑑𝑣, 𝑣 = 𝑓(𝑥) e 𝑑𝑢 =
𝑔 (𝑥)𝑑𝑥. 7. COMPRIMENTO DE ARCO
Prioridade na escolha do 𝑢:
𝐿= 1 + [𝑓 (𝑥)]²𝑑𝑥
a) Função Logarítmica

Cálculo Diferencial e Integral Básico

3 Cálculo Diferencial com Múltiplas Variáveis

1. DERIVADAS PARCIAIS 6. PONTO DE SELA

A derivada parcial de uma função 𝑓em O ponto de sela ocorre quando a função não
( , , ) tem pontos de máximo e mínimo (crescem
relação a 𝑥 𝑓 𝑜𝑢 é calculada
e decrescem indefinidamente), mas suas
quase da mesma forma que uma derivada derivadas tanto em 𝑥 como em 𝑥 são nulas
total, porém as parcelas que não dependem nesse ponto.
de 𝑥 são consideradas constantes.
7. MULTIPLICADORES DE
2. CÁLCULO DA DERIVADA
LAGRANGE
PARCIAL NO PONTO (𝒙𝟎 , 𝒚𝟎 )
Os multiplicadores de Lagrange são
𝜕𝑓(𝑥 , 𝑦 ) 𝑓(𝑥, 𝑦 ) − 𝑓(𝑥 , 𝑦 )
= lim utilizados para encontrar os valores
𝜕𝑥 → 𝑥−𝑥 máximos e mínimos em certa região do
𝜕𝑓(𝑥 , 𝑦 ) 𝑓(𝑥 , 𝑦) − 𝑓(𝑥 , 𝑦 ) domínio de uma função, restrições.
= lim
𝜕𝑦 → 𝑥−𝑥 𝜕𝑓 𝜕𝑓 𝜕𝑓 𝜕𝑔 𝜕𝑔 𝜕𝑔
=𝜆
𝜕𝑥 𝜕𝑦 𝜕𝑧 𝜕𝑥 𝜕𝑦 𝜕𝑧
3. DIFERENCIAÇÃO
I. Se uma função é diferenciável no ponto, I. 𝑓(𝑥, 𝑦) é a função em questão;
então ela é contínua no ponto. II. 𝑔(𝑥, 𝑦) é a função da restrição;
II. Se uma função é diferenciável no ponto, III. Isola-se 𝜆 e encontra as relações entre
então ela possui derivadas parciais 𝑥, 𝑦 e 𝑧.
nesse ponto. IV. Com o valor de 𝜆 pode-se encontrar os
valores de 𝑥 e 𝑦 que maximizam ou
III. Se e existem e são contínuas no
minimizam a função 𝑓 com tais
ponto, então a função é diferenciável restrições.
nesse ponto.
4. REGRA DA CADEIA
= + + , onde 𝑥, 𝑦 e 𝑧
dependem de 𝑡 (parametrizados).

5. PONTOS CRÍTICOS
I. =0e =0
II. Encontra o ponto crítico (𝑃 ) que zera
as derivadas parciais
𝑓 (𝑃 ) 𝑓 (𝑃 )
III. 𝐻(𝑃 ) =
𝑓 (𝑃 ) 𝑓 (𝑃 )
²
IV. Se det(𝐻(𝑃 )) > 0 𝑒 ²
(𝑃 ) > 0,
𝑃 é um ponto de mínimo de 𝑓.
²
V. Se det(𝐻(𝑃 )) > 0 𝑒 ²
(𝑃 ) < 0,
𝑃 é um ponto de máximo de 𝑓.
VI. Se det(𝐻(𝑃 )) < 0, então 𝑃 é um
ponto de sela.
VII. Se det(𝐻(𝑃 )) = 0, então não dá para
se concluir se 𝑃 é um ponto de
máximo, mínimo ou de sela.

Cálculo Diferencial e Integral Básico

4 Cálculo Integral com Múltiplas Variáveis

1. INTEGRAIS DUPLAS I. Coordenadas Cilíndricas

𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 = 𝑓(𝑥, 𝑦)𝑑𝑥 𝑑𝑦

Equação da circunferência: 𝑥 + 𝑦 = 𝑟²

Para se calcular integrais duplas, integra-se  𝑥 = 𝑟 cos 𝜃

primeiramente a integral interna, para em
 𝑦 = 𝑟 sen 𝜃
seguida integrar a externa.
 |𝐽| = 𝑟
2. TIPOS DE REGIÕES
I. Região Tipo 1 Logo:

𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 = 𝑓(𝑟, 𝜃)𝑟𝑑𝑟𝑑𝜃

II. Coordenadas Elípticas

² ²
Equação da elipse: ²
+ ² =1

 𝑥 = 𝑟 cos 𝜃
 𝑦 = 2𝑟 sen 𝜃
 |𝐽| = 𝑎𝑏𝑟
Logo:
( )
𝑓(𝑥, 𝑦)𝑑𝑦𝑑𝑥
( ) 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 = 𝑎𝑏 𝑓(𝑟, 𝜃)𝑟𝑑𝑟𝑑𝜃

II. Região Tipo 2

4. INTEGRAIS TRIPLAS
𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦𝑑𝑧 =

𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 𝑑𝑧

5. TIPOS DE REGIÕES

( )
𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦
( )

3. MUDANÇA DE VARIÁVEIS

𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 = 𝑓(𝑢, 𝑣)|𝐽|𝑑𝑢𝑑𝑢

( , )
Onde 𝐽 = ( , )
= e |𝐽| é o

módulo de seu determinante.

Cálculo Diferencial e Integral Básico

5 Cálculo Integral com Múltiplas Variáveis

6. INTEGRAL DE VOLUME II. Coordenadas Esféricas

𝑉= 𝑑𝑉 = 𝑑𝑥𝑑𝑦𝑑𝑥

7. INTEGRAL DE MASSA

𝑀= 𝑑𝑀 = 𝛿(𝑥, 𝑦, 𝑥)𝑑𝑥𝑑𝑦𝑑𝑥

8. MUDANÇA DE VARIÁVEIS

𝑓(𝑥, 𝑦, 𝑧)𝑑𝑥𝑑𝑦𝑑𝑧 =
 𝑥 = 𝑟 sen 𝜃 cos 𝜑
 𝑦 = 𝑟 sen 𝜃 sen 𝜑
𝑓(𝑢, 𝑣, 𝑠)|𝐽|𝑑𝑢𝑑𝑢𝑑𝑠
 𝑧 = 𝑟 cos 𝜑
⎡ ⎤
 |𝐽| = 𝑟² sen 𝜑
( , , )⎢ ⎥ Logo:
Onde 𝐽 = =⎢
( , , ) ⎥ e |𝐽| é o
⎢ ⎥
⎣ ⎦ 𝑓(𝑥, 𝑦, 𝑧)𝑑𝑥𝑑𝑦𝑑𝑧 =
módulo de seu determinante.
I. Coordenadas Cilíndricas
𝑓(𝑟, 𝜃, 𝜑)𝑟² sen 𝜑 𝑑𝑟𝑑𝜃𝑑𝜑

 𝑥 = 𝑟 cos 𝜃
 𝑦 = 𝑟 sen 𝜃
𝑧 = 𝑧
 |𝐽| = 𝑟
Logo:

𝑓(𝑥, 𝑦, 𝑧)𝑑𝑥𝑑𝑦𝑑𝑧 =

𝑓(𝑟, 𝜃, 𝑧)𝑟𝑑𝑟𝑑𝜃𝑑𝑧

Cálculo Diferencial e Integral Básico

6 Gradiente, Divergente, Rotacional, Laplaciano e Teorema de Green

1. CAMPOS ESCALARES E c) Resolver a integral

VETORIAIS 3. INTEGRAL DE SUPERFÍCIE
I. Campo Escalar I. Caso Escalar

𝑓: 𝑅 → 𝑅
𝑓(𝑥, 𝑦, 𝑧)𝑑𝑠 =
Exemplo: 𝑓(𝑥, 𝑦, 𝑥) = 𝑥 + 𝑦 + 𝑧²
𝜕𝜑 𝜕𝜑
II. Campo Vetorial 𝑓 𝜑(𝑢, 𝑣) × 𝑑𝑢𝑑𝑣
𝜕𝑢 𝜕𝑣
𝑓⃗: 𝑅 → 𝑅 Onde 𝜑(𝑢, 𝑣) é a parametrização da
superfície 𝑆, e 𝐷 é o domínio dos
Exemplo: 𝑉⃗ (𝑥, 𝑦, 𝑥) = 𝑉 𝚤⃗ + 𝑉 𝚥⃗ + 𝑉 𝑘⃗
parâmetros 𝑢 e 𝑣. 𝑓 𝜑(𝑢, 𝑣) é a
2. INTEGRAL DE LINHA parametrização de 𝑓(𝑥, 𝑦, 𝑧) escrito em
I. Caso Escalar função da parametrização de 𝑆. Passo a
passo:
𝑓(𝑥, 𝑦, 𝑧) 𝑑𝑠 = 𝑓 𝑟(𝑡) ||𝑟 (𝑡)||𝑑𝑡 = a) Parametrizar a curva 𝑆 → 𝜑(𝑢, 𝑣) e
encontrar 𝐷.

𝑓(𝑥(𝑡), 𝑦(𝑡), 𝑧(𝑡))||𝑟 (𝑡)||𝑑𝑡 b) Calcular as derivadas parciais e .

c) Calcular o produto vetorial entre as
Onde 𝑟(𝑡) é a parametrização da curva 𝐶, e derivadas parciais e .
𝑎 e 𝑏 são seus extremos. Passo a passo:
d) Tirar o módulo de × .
a) Parametrizar a curva 𝐶 → 𝑟(𝑡) e e) Resolver a integral.
encontrar os valores extremos da II. Caso Vetorial
função a e 𝑏.
b) Calcular ||𝑟 (𝑡)|| 𝐹⃗ (𝑥, 𝑦, 𝑧) ∙ 𝑛⃗𝑑𝑠 =
c) Resolver a integral
II. Caso Vetorial
𝜕𝜑 𝜕𝜑
𝐹⃗ 𝜑(𝑢, 𝑣) ∙ × 𝑑𝑢𝑑𝑣
𝜕𝑢 𝜕𝑣
𝐹⃗ ∙ 𝑑𝑠⃗ = 〈𝐹 , 𝐹 , 𝐹 〉 ∙ 𝑑𝑠⃗ =
× =− × , vai depender da
orientação que o problema disser para
𝐹 𝑑𝑥 + 𝐹 𝑑𝑦 + 𝐹 𝑑𝑧 =
tomarmos.

Onde ∙ é o produto escalar, 𝜑(𝑢, 𝑣) é a

𝐹⃗ (𝑟(𝑡)) ∙ 𝑟 (𝑡)⃗𝑑𝑡 =
〈𝐹(𝑡) , 𝐹(𝑡) , 𝐹(𝑡) 〉 ∙ 𝑟 (𝑡)⃗𝑑𝑡
Onde ∙ é o produto escalar, 𝑟(𝑡) é a
parametrização da curva 𝐶, e 𝑎 e 𝑏 são seus
extremos. Passo a passo:
a) Parametrizar a curva 𝐶 → 𝑟(𝑡) e
encontrar os valores extremos da
função a e 𝑏.
b) Calcular ||𝑟 (𝑡)||
parametrização da superfície 𝑆, e 𝐷 é o
domínio dos parâmetros 𝑢 e 𝑣. 𝑓 𝜑(𝑢, 𝑣)
é a parametrização de 𝑓(𝑥, 𝑦, 𝑧) escrito em
função da parametrização de 𝑆. Passo a
passo:
a) Parametrizar a curva 𝑆 → 𝜑(𝑢, 𝑣) e
encontrar 𝐷.
b) Calcular as derivadas parciais e .
c) Calcular o produto vetorial entre as
derivadas parciais e .

Cálculo Vetorial e Integração Múltipla

7 Gradiente, Divergente, Rotacional, Laplaciano e Teorema de Green

d) Fazer o produto escalar entre × real com derivadas parciais contínuas numa
região contendo D, então:
e 𝐹⃗ 𝜑(𝑢, 𝑣) .
e) Resolver a integral. 𝐹⃗ ∙ 𝑛⃗𝑑𝑠 = 𝑀𝑑𝑥 + 𝑁𝑑𝑦 =
𝜕𝑁 𝜕𝑀
− 𝑑𝑥𝑑𝑦
𝜕𝑥 𝜕𝑦
4. GRADIENTE
Onde 𝐹⃗ = (𝑀, 𝑁)
O gradiente é interpretado como a direção
em que a máxima variação da função Usar o teorema de Green quando o campo
ocorre. vetorial for muito complexo, a curva for
difícil de parametrizar, não conseguir
𝐺𝑟𝑎𝑑(𝑓) = ∇𝑓(𝑥, 𝑦, 𝑧) = , , resolver a integral de linha pela definição ou
a questão não der a equação da curva.
5. DIVERGENTE
O teorema de Green relaciona a integral de
Fisicamente, o divergente é interpretado linha com a área formada pela curva.
como um fluxo pontual.
9. TEOREMA DE GAUSS
𝜕𝑓 𝜕𝑓 𝜕𝑓
Div(f) = ∇ ∙ 𝑓(𝑥, 𝑦, 𝑧) =
𝜕𝑥
+
𝜕𝑦
+
𝜕𝑧
10.TEOREMA DE STOKES
O teorema de Stokes nada mais é que do
6. ROTACIONAL
que a generalização do teorema de Green
Fisicamente, o rotacional é interpretado para o R³.
como uma circulação no espaço.
𝐹⃗ ∙ 𝑛⃗𝑑𝑟 = 𝑟𝑜𝑡 𝐹⃗ ∙ 𝑛⃗ 𝑑𝑆 =
⎡ 𝚤⃗ 𝚥⃗ 𝑘⃗ ⎤
⎢𝜕 𝜕 𝜕⎥
𝑅𝑜𝑡(𝑓) = ∇ × 𝑓 = ⎢ 𝜕𝐹 𝜕𝐹 𝜕𝐹 𝜕𝐹 𝜕𝐹 𝜕𝐹
⎢𝜕𝑥 𝜕𝑦 𝜕𝑧⎥⎥ 𝜕𝑦
−
𝜕𝑧
𝑑𝑦𝑑𝑧 +
𝜕𝑧
−
𝜕𝑥
𝑑𝑧𝑑𝑥 +
𝜕𝑥
−
𝜕𝑦
𝑑𝑥𝑑𝑦
⎣𝑓 𝑓 𝑓⎦
Onde: 𝐹⃗ = (𝐹 , 𝐹 , 𝐹 )
7. LAPLACIANO
(FALTA ENTENDER)
Fisicamente, o Laplaciano é interpretado
como a concavidade no comportamento da 11.CAMPOS CONSERVATIVOS
função 𝑓.
Quando a integral de linha de um campo
I. Caso Escalar vetorial 𝐹 independe do caminho, esse
campo é chamado de conservativo.
𝜕²𝑓 𝜕²𝑓 𝜕²𝑓
Lap(𝑓) = ∆f = ∇ ∙ 𝑓(𝑥, 𝑦, 𝑧) = + +
𝜕𝑥² 𝜕𝑦² 𝜕𝑧²
⎧ 𝐹⃗ ∙ 𝑑𝑠⃗ = 𝑓(𝐵) − 𝑓(𝐴)
II. Caso Vetorial ⎪
⎪
Seja 𝑓(𝑥, 𝑦, 𝑧) = 𝑓 , 𝑓 , 𝑓 𝐹⃗ ∙ 𝑑𝑠⃗ = 0
⎨
∆f = (∆𝑓 , ∆𝑓 , ∆𝑓 ) ⎪ 𝜕𝐹 𝜕𝐹
⎪ − =0
⎩ 𝜕𝑥 𝜕𝑦
𝜕2 𝑓𝜆 𝜕2 𝑓𝜆 𝜕²𝑓𝜆
Onde ∆𝑓 = 𝜕𝑥²
+
𝜕𝑦²
+
𝜕𝑧²

8. TEOREMA DE GREEN
Seja C uma curva simples fechada derivável
e D a região do plano delimitada por C.
Sejam 𝐹 e 𝐹 duas funções reais de variável

Cálculo Vetorial e Integração Múltipla

8 Séries e sequências, suas propriedades, limite e convergência e séries de potência

1. SÉRIES E SEQUÊNCIAS 𝑎
𝑎𝑟 = , 𝑠𝑒 |𝑟| < 1
NUMÉRICAS 1−𝑟

Uma sequência real é uma função (𝑥 ) que

associa um valor a cada número inteiro não-
II. Limite de uma série p-série
negativo (𝑛). Uma série e o somatório de
uma sequência. lim ∑ converge se 𝑝 > 1.
→

𝑥(𝑛) = 𝑥 III. Limite de uma série alternada

Se 𝑎 ≥ 𝑎 e lim 𝑎 = 0 então a série

→
2. PROPRIEDADES converge
 ∑(𝑎 ± 𝑏 ) = ∑ 𝑎 ± ∑ 𝑏
IV. Teste da razão
 ∑ 𝜆𝑎 = 𝜆 ∑ 𝑎
 |∑ 𝑎 | ≤ ∑|𝑎 |, se ∑|𝑎 | for a) Se lim < 1, então a série
→
convergente converge
 Somatório finito de uma constante 𝑐 b) Se lim > 1, então a série
→
diverge
𝑐 = (𝑛 − 𝑝 + 1). 𝑐 c) Se lim = 1, é inconclusivo
→
4. SÉRIES DE POTÊNCIAS
 Separação do primeiro termo
Série de potências de 𝑥 centrada em 𝑐 é
uma série infinita da forma:
𝑎 =𝑎 + 𝑎

𝑓(𝑥) = 𝑏 (𝑥 − 𝑐)
 Separação do último termo

Quando em uma série de potências a

𝑎 =𝑎 + 𝑎 variável for substituída por um número, a
série resultante é numérica e pode
 Avanço de Limites convergir ou não.

I. Raio de Convergência
𝑎 =𝑎 + 𝑎 a) A série converge somente quando 𝑥 =
𝑐.
b) A série converge absolutamente para
3. LIMITE E CONVERGÊNCIA todo x real.
Dizemos que a sequência 𝑎 converge para c) Existe um número real positivo R, tal
um número real 𝐿, ou que tem por limite 𝐿, que a série é absolutamente
quando lim 𝑎 = 𝐿. Se lim 𝑎 não for um convergente se |𝑥 − 𝑐| < 𝑅 R e é
→ → divergente se |𝑥 − 𝑐| > 𝑅. Neste caso,
número finito, dizemos que a sequência 𝑎
R é chamado raio de convergência da
diverge. Se lim 𝑎 ≠ 0 então a série
→ série e (𝑐 − 𝑅, 𝑐 + 𝑅) é dito o intervalo
infinita é divergente. lim 𝑎 = 0 não de convergência da série.
→
garante a convergência da série infinita.
Para encontrar o raio de convergência é
I. Limite de uma série geométrica necessário seguir os passos:

a) Aplicar o teste da razão;

Séries e Sequências
9 Existência e unicidade, Solução de EDOs Homogêneas e Não-Homogêneas

b) Resolver a inequação resultante; I. Encontrando os coeficientes 𝑎 e 𝑏 ,

c) Analisar os extremos individualmente. onde L = 2T.
II. Integração e diferenciação de séries de
2 2
potência 𝑎 = 𝑓(𝑥) 𝑑𝑥 = 𝑓(𝑥) 𝑑𝑥
𝑇 𝑇
Se 𝑓(𝑥) = ∑ 𝑏 (𝑥 − 𝑐) está definida
no intervalo (𝑐 − 𝑅, 𝑐 + 𝑅) para algum 2 𝑛𝜋
𝑎 = 𝑓(𝑥) cos 𝑥 𝑑𝑥
𝑅 > 0 então: 𝑇 𝑇

a) 𝑓 é derivável então: 2 𝑛𝜋
= 𝑓(𝑥) cos 𝑥 𝑑𝑥
𝑇 𝑇
𝑓′(𝑥) = 𝑛𝑏 (𝑥 − 𝑐) 2 𝑛𝜋
𝑏 = 𝑓(𝑥) sen 𝑥 𝑑𝑥
𝑇 𝑇
Para todo 𝑥 ∈ (𝑐 − 𝑅, 𝑐 + 𝑅)
2 𝑛𝜋
= 𝑓(𝑥) sen 𝑥 𝑑𝑥
b) 𝑓 é integrável então: 𝑇 𝑇

𝑏 (𝑥 − 𝑐) Se 𝑓(𝑥) é par, então:

𝑓(𝑥) =
𝑛+1
𝑓(𝑥) 𝑑𝑥 = 2 𝑓(𝑥) 𝑑𝑥
Para todo 𝑥 ∈ (𝑐 − 𝑅, 𝑐 + 𝑅)
Se 𝑓(𝑥) é ímpar, então:
5. SÉRIES DE FOURIER
As séries de Fourier são análogas as séries 𝑓(𝑥) 𝑑𝑥 = 0
de Taylor no sentido em que ambas séries
fornecem uma forma de representar II. Expansões Periódicas
funções relativamente complicadas em
Muitas vezes surge a necessidade de
termos de funções elementares e
representarmos por uma Série de Fourier
familiares. Se a série de Fourier converge
uma função definida apenas no intervalo
então ela representa uma função 𝑓(𝑥) e
[0, 𝑎]. Para contornar tal situação
podemos representar essa relação da
expandimos f periodicamente ∀ 𝑥 ∈ 𝑅, e a
seguinte forma:
seguir determinamos a Série de Fourier
𝑎 𝑛𝜋𝑥 𝑛𝜋𝑥 desta expansão de período 𝑎.
𝑓(𝑥) = + 𝑎 cos + 𝑏 sen
2 𝑇 𝑇 Se 𝑓 é par e periódica, então pode ser
expandida em uma Série de Fourier de
As séries de Fourier podem representar
cossenos, se f é ímpar e periódica, então
uma grande variedade de funções incluindo
pode ser expandida em uma Série de
algumas funções descontínuas. Entretanto,
Fourier de senos.
não podemos esquecer que pela natureza
da série de Fourier, ela pode representar III. Expansões em Meio Período
somente funções periódicas com período 𝑇 a) Expansão par
(o período 𝑇 não necessariamente é o
A partir de 𝑓 definimos uma nova função
período original de 𝑓(𝑥), isto é, pode ser
com simetria par sobre o intervalo [−𝑎, 𝑎].
menor, mas um múltiplo do período
Estendemos esta nova função
original). Logo 𝑓(𝑥) = 𝑓(𝑥 + 𝑘𝑇), onde 𝑘 é
periodicamente ∀ 𝑥 ∈ 𝑅, e a seguir
inteiro.
determinamos a Série de Fourier desta
expansão periódica com período 2𝑎. Uma

Séries e Sequências
10 Existência e unicidade, Solução de EDOs Homogêneas e Não-Homogêneas

vez que tal expansão periódica tem simetria

par sua Série de Fourier será uma série de
cossenos.

b) Expansão ímpar

A partir de 𝑓 definimos uma nova função

com simetria ímpar sobre o intervalo
[−𝑎, 𝑎]. Estendemos esta nova função
periodicamente ∀ 𝑥 ∈ 𝑅, e a seguir
determinamos a Série de Fourier desta
expansão periódica com período 2𝑎. Uma
vez que tal expansão periódica tem simetria
par sua Série de Fourier será uma série de
senos.

6. EXPANSÃO DE FUNÇÕES EM
SÉRIES
I. Série de Taylor

𝑑 𝑓(𝑎) (𝑥 − 𝑎)
𝑓(𝑥) =
𝑑𝑥 𝑛!

II. Série de MacLaurin

A série de MacLaurin é um caso especial

em que 𝑎 = 0.

𝑑 𝑓(0) 𝑥
𝑓(𝑥) =
𝑑𝑥 𝑛!

Séries e Sequências
11 Existência e unicidade, Solução de EDOs Homogêneas e Não-Homogêneas

1. EXISTÊNCIA E UNICIDADE DA 𝜆
𝑦 (𝑥) = 𝐶𝑒
SOLUÇÃO
Problema do Valor Inicial Caso haja um par de raízes complexas
(𝑎 ± 𝑗𝑏), fica na seguinte forma:
𝑦 = 𝑓(𝑥, 𝑦)
𝑦(𝑥 ) = 𝑦 𝑦 (𝑥) = 𝑒 (𝐶 cos 𝑏𝑥 + 𝐶 sen 𝑏𝑥)
I. Existência Caso a raiz 𝜆 tenha multiplicidade 𝛼, fica
na seguinte forma:
Dado um retângulo 𝑅 = {∝≤ 𝑥 ≤ 𝛽, 𝛾 ≤
𝑦 ≤ 𝛿}, com o ponto (𝑥 , 𝑦 ) contido no 𝜶 𝟏
retângulo, e 𝑓(𝑥, 𝑦) é contínua em 𝑅 então 𝑦 (𝑥) = 𝒆 𝝀𝒑 𝒙
𝒌𝒋 𝒙𝒋 + 𝐶𝑒 ,𝑖 ≠ 𝑝
existe solução. 𝒋 𝟎

II. Unicidade 3. SOLUÇÃO DE EQUAÇÕES

Se
𝜕𝑓
é contínua em 𝑅, então a solução é
NÃO-HOMOGÊNEAS
𝜕𝑦 I. Método dos Coeficientes Indeterminados
única.
𝑦( )
+𝑎 𝑦( )
+ ⋯ + 𝑎 𝑦 + 𝑎 𝑦 = 𝑓(𝑥)
Se a condição inicial (𝑥 , 𝑦 ) não estiver
contida no domínio de 𝑅 e sua derivada 𝑦 =𝑦 +𝑦
𝜕𝑓
parcial
𝜕𝑦
, não há garantia de existência Limitações
ou unicidade, portanto, deve-se a) A EDO deve ser linear de coeficientes
resolver a EDO para checar isso. constantes.
b) O termo não homogêneo 𝑓(𝑥) deve ser
2. SOLUÇÃO DE EDO’S COM uma combinação de exponenciais,
HOMOGÊNEAS COM polinômios, senos e cossenos.
COEFICIENTES CONTANTES
I. Primeira Ordem (𝑛 = 1) 𝑑𝑓
𝑦 = 𝐶
𝑑𝑥
𝑦 +𝑎 𝑦=0
c) Caso 𝑓(𝑥) seja uma combinação/soma
𝑦 = −𝑎 𝑦
de funções, calcular 𝑦 para cada uma
𝑑𝑦 delas.
=− 𝑎 𝑑𝑥
𝑦 d) Substitui 𝑦 na EDO e obtém-se os 𝐶 .
Encontra 𝑦 . II. Método da Variação de Parâmetros

*Poderia ser um 𝑓(𝑦)ao invés de −𝑎 𝑦. 𝑦( )

+ 𝑝(𝑥) 𝑦( )
+ ⋯ + 𝑝(𝑥) 𝑦 + 𝑝(𝑥) 𝑦 = 𝑓(𝑥)

II. Ordens superiores 𝑦 =𝑦 +𝑦

𝑦( )
+𝑎 𝑦( )
+ ⋯+ 𝑎 𝑦 + 𝑎 𝑦 = 0 𝑦 = 𝐶 𝑦 +𝐶 𝑦 + ⋯+ 𝐶 𝑦

𝑃(𝜆) = 𝜆 + 𝑎 𝜆 + ⋯+ 𝑎 𝜆 + 𝑎 = 0 𝑦 = 𝑢(𝑥) 𝑦 + 𝑢(𝑥) 𝑦 + ⋯ + 𝑢(𝑥) 𝑦

Encontra-se as raízes do polinômio (𝜆 ) a) 𝑦 , 𝑦 , … , 𝑦 são as calculadas ao

característico 𝑃(𝜆). encontrar a solução homogênea 𝑦 .

Caso as raízes sejam reais e distintas, fica na Para n = 2:

seguinte forma:

Equações Diferenciais Ordinárias

 12 Transformada de Laplace

𝑦 𝑦
b) 𝑊 = 𝑦′ 𝑦′
0 𝑦
𝑓 𝑦′ 𝑦 𝑓
𝑢(𝑥) = =−
|𝑊| |𝑊|
𝑦 0
𝑦′ 𝑓 𝑦 𝑓
𝑢(𝑥) = =−
|𝑊| |𝑊|

4. TRANSFORMADA DE LAPLACE
I. Propriedades
ℒ{𝑥(𝑡)} = 𝑋(𝑠)
ℒ{𝑥(𝑡) + 𝑥(𝑡) } = 𝑋 (𝑠) + 𝑋 (𝑠)
ℒ{∝ 𝑥(𝑡)} =∝ ℒ{𝑥(𝑡)} =∝ 𝑋(𝑠)
ℒ{∝ 𝑥(𝑡) +∝ 𝑥(𝑡) } =∝ 𝑋 (𝑠) +∝ 𝑋 (𝑠)
𝑑 𝑑
ℒ 𝑥(𝑡) = 𝑠 − 𝑠 𝑥(0)
𝑑𝑡 𝑑𝑡
𝑋(𝑠)
ℒ 𝑥(𝑡) =
𝑠
ℒ{𝑥(𝑡) ∗ 𝑢(𝑡)} = 𝑋(𝑠)𝑈(𝑠)
ℒ{𝑒 𝑥(𝑡)} = 𝑋(𝑠 − 𝑎)
ℒ{𝑥(𝑡 − 𝑎)} = 𝑒 𝑋(𝑠)
1 𝑠
ℒ{𝑥(𝑎𝑡)} = 𝑋( )
𝑎 𝑎

𝑓(𝑡) 𝐹(𝑠) 𝑓(𝑡) 𝐹(𝑠)

𝛿(𝑡) 1 sen 𝜔𝑡 𝜔²
𝑠 + 𝜔²
1(𝑡) 1 cos 𝜔𝑡 𝑠²
𝑠 𝑠 + 𝜔²
𝑡 𝑛! senh 𝜔𝑡 𝜔²
𝑠 𝑠 − 𝜔²
𝑒 1 cosh 𝜔𝑡 𝑠²
𝑠−𝑎 𝑠 − 𝜔²
𝑡 𝑒 (−1) 𝑛! 𝑒 sen 𝜔𝑡 𝜔²
(𝑠 − 𝑎) (𝑠 − 𝑎) + 𝜔²
𝑡 𝑥(𝑡) 𝑑 𝑒 cos 𝜔𝑡 𝑠²
(−1) 𝑋(𝑠)
𝑑𝑠 𝑠(𝑠 − 𝑎) + 𝜔²
𝑥(𝑡) lim 𝑥(𝑡) lim 𝑠𝑋(𝑠)
𝑋(𝑠)𝑑𝑠 → →
𝑡
lim 𝑥(𝑡) lim 𝑠𝑋(𝑠)
→ →

Equações Diferenciais Ordinárias

13 Equações Diferenciais Parciais
1. EQUAÇÃO DIFERENCIAL
PARCIAL
Uma equação diferencial parcial ou
equação de derivadas parciais (EDP) é uma
equação envolvendo várias funções
incógnita de várias variáveis independentes
e dependente de suas derivadas.
2. CONDIÇÕES DE CONTORNO
Em EDP's, o espaço das variáveis
independentes é multidimensional:
procuramos soluções definidas em um
aberto Ω. Quando impomos condições
sobre o valor da solução e de suas derivadas
no bordo da região temos um problema de
valores de contorno ou, simplesmente,
problema de contorno. Uma equação
diferencial de segunda ordem com suas
condições de contorno adequadas formam
um problema de valores de contorno com
dois pontos. Um exemplo típico é
𝑦 + 𝑝(𝑥)𝑦 + 𝑞(𝑥)𝑦 = 𝑔(𝑥)
𝑦(𝛼) = 𝑦 , 𝑦(𝛽) = 𝑦
Se o problema de valor de contorno acima
tem a forma 𝑦 + 𝑝(𝑥)𝑦 + 𝑞(𝑥)𝑦 = 0,
𝑦(𝛼) = 0 , 𝑦(𝛽) = 0, então dizemos que
ele é um problema homogêneo. De outro
modo, o problema é não homogêneo. Para
resolver o problema de valor de contorno
𝑦 + 𝑝(𝑥)𝑦 + 𝑞(𝑥)𝑦 = 𝑔(𝑥)e 𝑦(𝛼) =
𝑦 , 𝑦(𝛽) = 𝑦 , é necessário determinar
uma função 𝑦 = 𝜑(𝑥) que satisfaz a
equação diferencial no intervalo
𝛼 < 𝑥 < 𝛽 e que assume os valores
específicos 𝑦 e 𝑦 nos extremos.
3. PROBLEMAS DE AUTOVALORES
𝑦 + 𝜆𝑦 = 0, 𝑦(0) = 0 𝑒 𝑦(𝜋) = 0
I. 𝜆>0
Para evitar os sinais de raízes, definiremos
𝜆 = µ , onde µ > 0. A solução geral é
𝑦 = 𝑐 cos µ𝑥 + 𝑐 sin µ𝑥 . Como 𝜆 = µ
e µ = 𝑛, os autovalores da equação
diferencial, 𝜆 = 1, 𝜆 = 4, 𝜆 = 9, ...,
𝜆 = 𝑛² e suas autofunções associadas
são 𝑦 = 𝑎 sen 𝑥, 𝑦 = 𝑎 sen 2𝑥, ..., 𝑦 =
𝑎 sen 𝑛𝑥
II. 𝜆=0
Nesse caso o problema se torna 𝑦 = 0,
𝑦(0) = 0 𝑒 𝑦(𝜋) = 0. A solução geral é
𝑦 = 𝑐 𝑥 + 𝑐 . A primeira condição de
contorno requer que 𝑐 = 0. Já para a
segunda condição de contorno temos 𝑐 =
0. Assim, a única solução é 𝑦 = 0, e
portanto 𝜆 = 0 não é um autovalor desse
problema.
III. 𝜆<0
Definiremos 𝜆 = −µ , onde µ > 0.
Então o problema se torna 𝑦 + −µ 𝑦 =
0, 𝑦(0) = 0 𝑒 𝑦(𝜋) = 0. A solução geral
é 𝑦 = 𝑐 cosh µ𝑥 + 𝑐 sinh µ𝑥 . A primeira
condição de contorno requer que 𝑐 = 0. Já
para a segunda condição de contorno temos
𝑐 = 0. Assim, a única solução é 𝑦 = 0, e
portanto não existe autovalores negativos
para este problema.
4. MÉTODO DA SEPARAÇÃO DE
VARIÁVEIS
I. 𝑎 𝑢 + 𝑎 𝑢 + 𝑎 𝑢 + 𝑎 𝑢 + 𝑎 𝑢 = 𝑓(𝑢(𝑥, 𝑦)).
II. 𝑢(𝑥, 𝑦) = 𝑋(𝑥)𝑌(𝑦).
III. Substitui 𝑢(𝑥, 𝑦) = 𝑋(𝑥)𝑌(𝑦) na EDP.
IV. Isola os termos de 𝑋(𝑥) dos termos de
𝑌(𝑦) e iguala ambos lados da equação a
𝑘, que é chamada de constante de
separação.
V. Analisar as 3 situações: 𝑘 > 0, 𝑘 = 0 e
𝑘<0
VI. Após isso obtém-se duas EDO’s.
VII. Resolve as EDO’s.
VIII. Aplica 𝑢(𝑥, 𝑦) = 𝑋(𝑥)𝑌(𝑦) nas
condições de contorno e encontra as
soluções não-triviais (autofunções)
baseados nos autovalores.
IX. Substitui as autofunções encontradas
em 𝑢(𝑥, 𝑦) = 𝑋(𝑥)𝑌(𝑦).
X. Aplica a Série de Fourier em 𝑢(𝑥, 𝑦).
Equações Diferenciais Parciais
14 Probabilidade e Estatística
1. CONCEITOS IMPORTANTES
I. Espaço Amostral ()
Espaço Amostral é o conjunto de TODOS os
resultados possíveis de um experimento
aleatório. “PARA CADA EXPERIMENTO
ALEATÓRIO HAVERÁ UM ESPAÇO
AMOSTRAL ÚNICO  ASSOCIADO A ELE ”.
II. Evento
Evento é qualquer subconjunto do espaço
amostral. Um evento pode conter um ou
mais resultados, se pelo menos um dos
resultados ocorrer o evento ocorre.
III. Evento União
O evento união de E1 com E2 (E1  E2) ocorre
se E1 OU E2 OU ambos ocorrem
IV. Evento Intersecção
O evento intersecção de E1 com E2 (E1  E2)
ocorre se E1 E E2 ocorrem simultaneamente.
V. Eventos Mutuamente Exclusivos
Os eventos mutuamente exclusivos são
eventos que não podem ocorrer
simultaneamente, não apresentando
elementos em comum (sua intersecção é o
conjunto vazio).
VI. Evento Complementar
Evento Complementar de um evento
qualquer é formado por todos os resultados
do espaço amostral  que não pertencem
ao evento. A união de um evento e seu
complementar formará o próprio espaço
amostral, e a intersecção de um evento e
seu complementar é o conjunto vazio.
2. DEFINIÇÕES DE
PROBABILIDADE
I. Clássica
Se um experimento aleatório puder resultar
em n diferentes e igualmente prováveis
resultados, e 𝑛 destes resultados
referem-se ao evento 𝐸 , então a
pprobabilidade do evento Ei ocorrer será:
𝑃(𝐸 ) =
II. Experimental
Seja um experimento aleatório que é
repetido 𝑛 vezes, e 𝐸 um evento associado.
A frequência do evento 𝐸 : 𝐹 = .
Quando o número de repetições tende ao
infinito (ou a um número suficientemente
grande) 𝐹 tende a um limite: a
probabilidade de ocorrência do evento 𝐸 . A
probabilidade do evento pode ser estimada
através da frequência relativa.
3. AXIOMAS E PROPRIEDADES
DE PROBABILIDADE
I. Axiomas
a) A probabilidade de ocorrência de um
evento SEMPRE é um número real entre
0 e 1 (0 ≤ 𝑃(𝐸 ) ≤ 1)
b) A probabilidade de ocorrência do
Espaço Amostral é igual a 1 pois pelo
menos um dos resultados do Espaço
Amostral ocorrerá. Por isso o Espaço
Amostral é chamado de Evento Certo
(𝑃() = 1).
c) Se 𝐸 , 𝐸 , ..., 𝐸 são eventos
mutuamente exclusivos, então 𝑃(𝐸 ∪
𝐸 ∪ … ∪ 𝐸 ) = ∑ 𝑃(𝐸 ).
II. Propriedades
a) A probabilidade de ocorrência do
conjunto vazio é NULA (𝑃(∅) = 0),
uma vez que não há resultados no
conjunto vazio. Por isso o conjunto
vazio é chamado de Evento Impossível.
b) Se a probabilidade de ocorrência do
Espaço Amostral é igual a 1 ao somar as
probabilidades de todos os eventos que
compõem o Espaço Amostral o
resultado deverá ser igual a 1
(∑ 𝑃(𝐸 ) = 1).
c) A probabilidade de ocorrência de um
evento qualquer será igual a
probabilidade do Espaço Amostral
menos a probabilidade de seu evento
complementar (𝑃(𝐸 ) = 1 − 𝑃(𝐸 )).
Probabilidade e Estatística
15 Probabilidade e Estatística

d) A probabilidade de ocorrência do b) Análise Combinatória sem Repetição

evento União de dois outros eventos
Continuam havendo 𝑛 objetos para colocar
será igual a soma das probabilidades de
em 𝑘 espaços, mas os objetos não estão
cada evento menos a probabilidade de
mais disponíveis em número ilimitado: não
ocorrência do evento Intersecção dos
há repetição, ou não há reposição. A seleção
mesmos dois eventos. Esta propriedade
de um dos objetos modifica a probabilidade
também é chamada de REGRA DA
de seleção dos outros: há dependência.
ADIÇÃO, ou seja:
Para calcular o número de maneiras
𝑃 𝐸 ∪ 𝐸 = 𝑃(𝐸 ) + 𝑃 𝐸 − 𝑃 𝐸 ∩ 𝐸 possíveis de preencher os espaços é preciso
relembrar os conceitos de Arranjos e
4. PROBABILIDADE CONDICIONAL Combinações.
E INDEPENDENTES
Os Arranjos são utilizados para calcular o
I. Probabilidade Condicional
número de maneiras de dispor os 𝑛 objetos
A probabilidade de ocorrência de 𝐴 nos 𝑘 espaços quando a ORDEM E A
condicionada à ocorrência prévia de 𝐵, NATUREZA dos objetos são importantes
simbolizada por 𝑃(𝐴 | 𝐵) - lê-se para o problema. O número de Arranjos de
probabilidade de A dado B - e a sua 𝑛 objetos distintos tomados 𝑘 a 𝑘 será:
( ∩ )
expressão será: 𝑃(𝐴 | 𝐵) = ( )
, para 𝑛!
𝐴 , =
𝑃(𝐵) > 0 e consequentemente (𝑛 − 𝑘)!
( ∩ )
𝑃(𝐵 | 𝐴) = ( )
, para 𝑃(𝐴) > 0. As Combinações são utilizadas para calcular
Isolando-se 𝑃(𝐴 ∩ 𝐵) e igualando as duas o número de maneiras de dispor os 𝑛
equações, chega ao teorema e Bayes: objetos nos 𝑘 espaços quando apenas a
𝑃(𝐴 | 𝐵) =
( | ) ( ) NATUREZA dos objetos é importante para o
( ) problema. O número de Combinações de 𝑛
II. Probabilidade de Eventos objetos distintos tomados 𝑘 a 𝑘 será:
Independentes 𝑛!
𝐶 , =
Se dois eventos A e B são independentes 𝑘! (𝑛 − 𝑘)!
então a probabilidade de A ocorrer dado
5. FREQUÊNCIA DE EVENTOS
que B ocorreu é igual à própria
probabilidade de ocorrência de A, e a ALEATÓRIOS
probabilidade de B ocorrer dado que B I. Variáveis Aleatórias
ocorreu é igual à própria probabilidade de Variáveis Aleatórias são funções
ocorrência de B. Logo: matemáticas que associam números reais
a) 𝑃(𝐴 | 𝐵) = 𝑃(𝐴) aos resultados de um Espaço Amostral
b) 𝑃(𝐵 | 𝐴) = 𝑃(𝐵) associado a um Experimento Aleatório. Se o
c) 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵) Espaço Amostral for finito ou infinito
III. Probabilidade Combinatória numerável a variável aleatória é dita
a) Análise Combinatória com Repetição discreta. Se o Espaço Amostral for infinito a
Ilimitada variável aleatória é dita contínua.

Se há 𝑛 objetos disponíveis em número Quando o Espaço Amostral é infinito muitas

ilimitado para preencher 𝑘 espaços
distintos, cada espaço com um objeto, há
𝒏𝒌 maneiras de fazê-lo, e cada
preenchimento é independente dos outros.
vezes já está definido de forma numérica,
facilitando a definição da variável aleatória.
Os Modelos Probabilísticos são construídos
para as variáveis aleatórias: assim haverá

Probabilidade e Estatística
16 Probabilidade e Estatística

Modelos Probabilísticos Discretos e 𝜇 = 𝐸(𝑋)

Modelos Probabilísticos Contínuos. Para
Para 𝑋 discreto:
construir um modelo probabilístico para
uma variável aleatória é necessário definir
os seus possíveis valores, e como a 𝜇= 𝑥 𝑝(𝑥 )
probabilidade total distribui-se entre eles: é
preciso então definir a distribuição de
1
probabilidades. Dependendo do tipo de 𝜇= 𝑥 𝑓
𝑛
variável aleatória haverá diferenças na
construção da distribuição. Onde 𝑓 é o número de ocorrências de 𝑥 .
II. Distribuição de probabilidades para Para 𝑋 contínuo:
Variáveis Aleatórias Discretas

Quando uma variável aleatória 𝑋 é discreta 𝜇= 𝑥 𝑓(𝑥)𝑑𝑥

a construção da distribuição de
probabilidades consiste em definir o Onde 𝑓(𝑥) é a função densidade de
conjunto de pares [𝑥 , 𝑝(𝑥 )], onde xi é o probabilidade.
𝑖 − é𝑠𝑖𝑚𝑜 valor da variável 𝑋, e 𝑝(𝑥 ) é a
Ou seja: 𝜇 = ∑ 𝑥 𝑓 , onde 𝑓 é o
probabilidade de ocorrência de 𝑥 , como na
tabela abaixo: número de ocorrências de 𝑥 .

II. Variância
𝑋=𝑥 𝑝(𝑋 = 𝑥 )
𝑥 𝑝(𝑥 ) 𝜎 = 𝑉𝑎𝑟(𝑋) = 𝐸[(𝑋 − 𝐸(𝑋))²]
𝑥 𝑝(𝑥 ) Para 𝑋 discreto:
… …
𝑥 𝑝(𝑥 )
Onde 𝑝(𝑥 ) ≥ 0 e ∑ 𝑝(𝑥 ) = 1 𝜎 = (𝑥 − 𝜇)² 𝑝(𝑥 ) 𝑜𝑢 𝑒𝑛𝑡ã𝑜

III. Distribuição de probabilidades para

Variáveis Aleatórias Contínuas 1
𝜎 = (𝑥 − 𝜇) 𝑓
𝑛
Uma variável aleatória contínua tem
contradomínio infinito. Assim, a Onde 𝑓 é o número de ocorrências de 𝑥 .
probabilidade de que a variável assuma
exatamente um valor xi é zero, não havendo Para 𝑋 contínuo:
mais sentido em representar a distribuição
pelos pares [𝑥 , 𝑝(𝑥 )]. Utiliza-se então uma 𝜎 = (𝑥 − 𝜇)² 𝑓(𝑥)𝑑𝑥
função, a função densidade de
probabilidades, definida para todos os Onde 𝑓(𝑥) é a função densidade de
valores possíveis da variável aleatória: para probabilidade.
calcular a probabilidade de uma variável
III. Desvio Padrão
aleatória contínua assumir valores entre 𝑎 e
𝑏, basta calcular a integral da função no 𝜎 = 𝐷𝑃(𝑋) = 𝑉𝑎𝑟(𝑋)
intervalo de interesse.
IV. Moda
6. MÉDIA, MODA, VARIÂNCIA,
Moda é o valor que ocorre com maior
DESVIO PADRÃO frequência, o valor mais comum em um
I. Média ou Valor Esperado de X 𝐸(𝑋) conjunto de dados.

Probabilidade e Estatística
17 Probabilidade e Estatística

7. DISTRIBUIÇÃO NORMAL
I. Características
a) A curva apresenta forma de sino, há
maior probabilidade da variável assumir
valores próximos do centro.
b) A curva é SIMÉTRICA em relação à
média.

c) 𝑁(𝑥) = 𝑒
²
d) 𝑃(𝜇 − 𝜎 ≤ 𝑥 ≤ 𝜇 + 𝜎) = 68%
e) 𝑃(𝜇 − 2𝜎 ≤ 𝑥 ≤ 𝜇 + 2𝜎) = 95,5%
f) 𝑃(𝜇 − 3𝜎 ≤ 𝑥 ≤ 𝜇 + 3𝜎) = 99,7%
II. Distribuição Normal Padrão

Distribuição Normal Padrão: uma variável Z

com distribuição normal de média igual a
zero e desvio padrão igual a 1 - [𝑍: 𝑁 (0, 1)].
As probabilidades foram calculadas para
esta distribuição padrão e registradas em
uma tabela. Através de uma transformação
de variáveis é possível converter os valores
de qualquer distribuição Normal em valores
da distribuição Normal padrão e assim
obter suas probabilidades - calcular o
número de desvios padrões, a contar da
média a que está um valor da variável,
através da seguinte expressão: 𝑍 = .

Onde:

 𝑍 - número de desvios padrões a partir

da média
 𝑥 - valor de interesse
 𝜇 - média da distribuição normal de
interesse
 𝜎 - desvio padrão da distribuição
normal

Z é um valor relativo: será negativo para

valores de x menores do que a média, e será
positivo para valores de x maiores do que a
média. Pela transformação uma
distribuição Normal qualquer 𝑋: 𝑁 (𝜇, 𝜎²)
passa a ser equivalente à distribuição
Normal padrão 𝑍: 𝑁 (0, 1), um valor de
interesse x pode ser convertido em um valor
Z.

Probabilidade e Estatística
18 Álgebra Linear

1. VETORES 2. ESPAÇOS VETORIAIS

I. Propriedades
Seja um conjunto 𝑉, não-vazio, sobre o qual
a) Soma
estão definidas as operações adição e
 Comutativa: 𝑢⃗ + 𝑣⃗ = 𝑣⃗ + 𝑢⃗
multiplicação por escalar, isto é: O conjunto
 Associativa: 𝑢⃗ + (𝑣⃗ + 𝑤⃗) = (𝑢⃗ + 𝑣⃗) + 𝑤⃗
𝑉 com essas duas operações é chamado de
 Elemento Neutro: 𝑢⃗ + 𝟎⃗ = 𝑢⃗
espaço vetorial real (ou espaço vetorial
 Elemento Oposto: 𝑢⃗ + (−𝑢⃗) = 𝟎⃗ sobre ℝ) se forem verificados os axiomas de
b) Multiplicação por escalar soma e multiplicação por escalar.
 1. 𝑣⃗ = 𝑣⃗
 𝑘(𝑐. 𝑣⃗) = (𝑘. 𝑐)𝑣⃗ I. Subconjuntos Vetoriais
 𝑘. 𝑣⃗ = 𝑐. 𝑣⃗ → 𝑘 = 𝑐
Todo espaço vetorial 𝑉 admite pelo menos
 𝑘(𝑣⃗ + 𝑤⃗) = 𝑘. 𝑣⃗ + 𝑘. 𝑤⃗
 (𝑘 + 𝑐)𝑣⃗ = 𝑘. 𝑣⃗ + 𝑐. 𝑣⃗ dois subespaços: o conjunto {0⃗}, chamado
c) Módulo de um Vetor subespaço zero ou subespaço nulo, e o
próprio espaço vetorial 𝑉, que são
𝑣⃗ = 〈𝑣𝑥⃗𝑖 + 𝑣𝑦 𝑗⃗ + 𝑣𝑧 𝑘⃗〉 chamados de subespaços triviais de 𝑉. Os
demais são chamados de subespaços
|𝑣⃗| = 𝑣𝑥 + 𝑣𝑦 + 𝑣𝑧 ² próprios de 𝑉. Por exemplo, os subespaços
triviais do 𝑉 = ℝ³ são {0,0,0} e o próprio ℝ³.
d) Vetor Unitário Os subespaços próprios do ℝ³ são retas e
planos que passam pela origem. Para o
𝑣⃗
𝑣⃗ = 𝑉 =ℝ², os subespaços triviais são {0,0} e ℝ².
|𝑣⃗| Os subespaços próprios do ℝ² são retas que
II. Produto Escalar passam pela origem.

𝑢⃗ ∙ 𝑣⃗ = 〈𝑢 𝚤⃗ + 𝑢 𝚥⃗ + 𝑢 𝑘⃗ 〉 ∙ 〈𝑣 𝚤⃗ + 𝑣 𝚥⃗ + 𝑣 𝑘⃗〉 3. BASES E DIMENSÃO

I. Base
=𝑢 𝑣 +𝑢 𝑣 +𝑢 𝑣
A base de um espaço vetorial 𝑉 é um
III. Produto Vetorial
subconjunto 𝛽 ⊂ 𝑉, tal que qualquer vetor
𝚤⃗ 𝚥⃗ 𝑘⃗ de 𝑉 seja uma combinação linear de
𝑢⃗ × 𝑣⃗ = 𝑢 𝑢 𝑢 elementos de 𝛽. Em outras palavras,
𝑣 𝑣 𝑣 queremos determinar um conjunto de
vetores que gere 𝑉 e tal que todos
IV. Produto Misto e aplicações elementos sejam realmente necessários
𝑢 𝑢 𝑢 para gerar 𝑉.
𝑢⃗ ∙ (𝑣⃗ × 𝑤⃗) = 𝑣 𝑣 𝑣
𝑤 𝑤 𝑤 II. Base Canônica

O volume do paralelepípedo que tem as Base canônica do ℝ²: {(1,0); (0,1)}

arestas formadas pelos vetores 𝑢⃗, 𝑣⃗ e 𝑤⃗ é Base canônica do ℝ³: {(1,0,0); (0,1,0);
dado por 𝑢⃗ ∙ (𝑣⃗ × 𝑤⃗) (0,0,1)}
O volume do tetraedro (de base triangular) III. Base Ortonormal
que tem as arestas formadas pelos vetores
𝑢⃗, 𝑣⃗ e 𝑤⃗ é dado por 𝑢⃗ ∙ (𝑣⃗ × 𝑤⃗) Para a base ser ortonormal ela precisa além
de ser uma base, ser normal e ortogonal
simultaneamente.

Álgebra Linear
19 Álgebra Linear

a) Normal 𝐼𝑚 𝑇, logo ele é um subconjunto não vazio

de 𝑊. Ou seja: 𝐼𝑚(𝑇) = {𝑣 ∈ 𝑉: 𝑇(𝑣) ∈ 𝑉}
Para uma base ser normal, o produto
interno entre seus vetores deve ser 0. V. Dimensão
b) Ortogonal 𝑑𝑖𝑚𝑉 = 𝑑𝑖𝑚𝑁𝑢𝑐(𝑇) + 𝑑𝑖𝑚𝐼𝑚(𝑇)
Para uma base ser normal, o produto
6. MUDANÇA DE BASE
interno entre cada vetor e si mesmo deve
ser 1. 7. OPERAÇÕES E INVERSÃO DE
MATRIZES
IV. Dimensão
I. Operações
A dimensão de um espaço vetorial 𝑉 é a a) Matriz Transposta
cardinalidade de qualquer base de 𝑉. b) Igualdade de Matrizes
c) Adição de Matrizes
4. DEPENDÊNCIA LINEAR d) Matriz Oposta
e) Subtração de Matrizes
Uma lista de vetores 𝑣 , . . , 𝑣 em 𝑉 é dita
f) Multiplicação
linearmente independente se a única
g) Escalonamento
combinação linear nula for aquela com
II. Determinante
todos os coeficientes nulos. Ou seja:
III. Inversão
𝑐 𝑣 + 𝑐 𝑣 + ⋯ + 𝑐 𝑣 = 0 se e somente 8. PROBLEMAS DE AUTOVALOR
se 𝑐 = 𝑐 = ⋯ = 𝑐 = 0.
E AUTOVETOR
5. TRANSFORMAÇÕES LINEARES Uma equação
I. Definição
Sejam 𝑉 e 𝑊 espaços vetoriais. Uma
transformação linear de V em W é uma
função 𝑇 ∶ 𝑉 → 𝑊 que possui as
propriedades a seguir.

II. Propriedades
a) 𝑇(𝑣 + 𝑣 ) = 𝑇(𝑣 ) + 𝑇(𝑣 );
b) 𝑇(𝑎𝑣 ) = 𝑎𝑇(𝑣 );
c) 𝑇(𝑎 𝑣 + 𝑎 𝑣 ) = 𝑎 𝑇(𝑣 ) + 𝑎 𝑇(𝑣 )
III. Núcleo
O núcleo (espaço nulo) de uma
transformação linear 𝐿 ∶ 𝑉 → 𝑊 entre
dois espaços vetoriais ou dois módulos 𝑉 e
W é o conjunto de todos os elementos 𝑉 de
𝑉 para os quais 𝐿(𝑣) = 0. Isto é:

𝑁𝑢𝑐(𝑇) = {𝑣 ∈ 𝑉: 𝑇(𝑣) = 0⃗}

IV. Imagem
A imagem de T de uma transformação
linear 𝑇 ∶ 𝑉 → 𝑊 é o conjunto 𝐼𝑚𝑇 =
𝑇(𝑉). Como 𝑇(0) = 0, temos que 0 ∈

Álgebra Linear
 20 ANEXO II – PARAMETRIZAÇÃO DE CURVAS E SUPERFÍCIES

MUDANÇA DE VARIÁVEIS
TABELA DE DERIVADAS Polar Elíptica Cilíndrica Esférica
X 𝑟 cos 𝜃 𝑟 cos 𝜃 𝑟 cos 𝜃 𝑟 sen 𝜃 cos 𝜑
𝑓(𝑥) 𝑓′(𝑥) 𝑓(𝑥) 𝑓′(𝑥)
Y 𝑟 sen 𝜃 2𝑟 sen 𝜃 𝑟 sen 𝜃 𝑟 sen 𝜃 sen 𝜑
𝑥 𝑛𝑥 sin 𝑥 1 Z - - 𝑧 𝑟 cos 𝜑
√1 − 𝑥 |J| 𝑟 𝑎𝑏𝑟 𝑟 𝑟² sen 𝜑
sin 𝑥 cos 𝑥 cos 𝑥 1
−
√1 − 𝑥
cos 𝑥 − sin 𝑥 tan 𝑥 1
1 + 𝑥²
tan 𝑥 (sec 𝑥)² cot 𝑥 1
−0
1 + 𝑥²
csc 𝑥 csc 𝑥 . cot 𝑥 csc 𝑥 1
𝑥√𝑥 − 1
sec 𝑥 sec 𝑥 . tan 𝑥 sec 𝑥 1
−
𝑥√𝑥 − 1
cot 𝑥 (csc 𝑥)² 𝑎 ln 𝑎 . 𝑎
log 𝑥 1 1
.
𝑥 ln 𝑎

TABELA DE INTEGRAIS
𝑓(𝑥) 𝑓(𝑥)
𝑓(𝑥)𝑑𝑥 𝑓(𝑥)𝑑𝑥
𝑥 𝑢𝑛+1 (sec 𝑥)² tan 𝑥
𝑛+1
, n≠-1

1 ln |𝑢| + 𝐶 1 sin 𝑥
𝑥 √1 − 𝑥
sin 𝑥 − cos 𝑥 + 𝐶 1 cos 𝑥
−
√1 − 𝑥
cos 𝑥 sin 𝑥 + 𝐶 1 tan 𝑥
1 + 𝑥²
tan 𝑥 ln | cos 𝑥 | +C 1 cot 𝑥
−0
1 + 𝑥²
cot 𝑥 ln | sin 𝑥 | +C 1 csc 𝑥
𝑥√𝑥 − 1
csc 𝑥 . cot 𝑥 csc 𝑥 + 𝐶 1 sec 𝑥
−
𝑥√𝑥 − 1
sec 𝑥 . tan 𝑥 sec 𝑥 + 𝐶 𝑎 ln 𝑎 . 𝑎

(csc 𝑥)² − cot 𝑥 + 𝐶 ln 𝑥 𝑥 ln 𝑥 − 𝑥

21 ANEXO II – PARAMETRIZAÇÃO DE CURVAS E SUPERFÍCIES

1. CURVAS
I. Reta que passa pelo ponto 𝑃 = (𝑥 , 𝑦 )
e tem direção 𝑛⃗ (entre os pontos 𝑃 𝑒 𝑃 ,
𝑛⃗ = 𝑃 − 𝑃 )

𝑦 = 𝑎𝑥 + 𝑏
𝑟(𝑡) = 𝑃0 + 𝑛⃗𝑥
II. Círculo:

(𝑥 − 𝑥 ) + (𝑦 − 𝑦 ) = 𝑟²
𝑥(𝑡) = 𝑥 + 𝑟 cos 𝑡
𝑟(𝑡) = , 𝑡 ∈ [0,2𝜋]
𝑦(𝑡) = 𝑦 + 𝑟 sen 𝑡
III. Elipse
𝑥−𝑥 𝑦−𝑦
+ =1
𝑎 𝑏
𝑥(𝑡) = 𝑥 + 𝑎 cos 𝑡
𝑟(𝑡) = , 𝑡 ∈ [0,2𝜋]
𝑦(𝑡) = 𝑦 + 𝑏 sen 𝑡

2. SUPERFÍCIES