Notas de apoio para a disciplina de Matemática I

Jorge Nélio M. Ferreira

2015/2016
Índice

1 Álgebra Matricial 5
1.1 Matrizes. Operações com matrizes. Matrizes Invertı́veis . . . . . . . . 5
1.1.1 Operações com matrizes . . . . . . . . . . . . . . . . . . . . . 8
1.1.2 Matrizes Invertı́veis . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2 Matrizes em forma de escada ou em escada de linhas. Caracterı́stica
de uma matriz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.1 Caracterı́stica de uma matriz . . . . . . . . . . . . . . . . . . 21
1.2.2 Matrizes Invertı́veis e o Método de Gauss-Jordan . . . . . . . 24
1.3 Sistemas de equações lineares. Método de eliminação de Gauss . . . . 27
1.4 Determinantes. Regra de Cramer . . . . . . . . . . . . . . . . . . . . 35
1.5 Valores Próprios e Vectores Próprios . . . . . . . . . . . . . . . . . . 45

2 Funções reais de variável real 55

2.1 Generalidades sobre Funções . . . . . . . . . . . . . . . . . . . . . . . 55
2.1.1 Funções crescentes, decrescentes e monótonas . . . . . . . . . 60
2.1.2 Extremos absolutos e relativos . . . . . . . . . . . . . . . . . . 62
2.1.3 Exemplos Importantes . . . . . . . . . . . . . . . . . . . . . . 64
2.1.4 Operações algébricas com funções . . . . . . . . . . . . . . . . 78
2.1.5 Função composta . . . . . . . . . . . . . . . . . . . . . . . . . 79
2.2 Limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
2.2.1 A Recta Acabada e Indeterminações . . . . . . . . . . . . . . 82
2.3 Continuidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
2.3.1 Assı́mptotas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
2.3.2 Funções contı́nuas em intervalos . . . . . . . . . . . . . . . . . 93
2.4 Diferenciabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
2.4.1 Interpretação geométrica da derivada: . . . . . . . . . . . . . . 98
2.4.2 Regras de Derivação . . . . . . . . . . . . . . . . . . . . . . . 100
2.4.3 Derivada da função composta . . . . . . . . . . . . . . . . . . 103
2.4.4 Derivada da função inversa . . . . . . . . . . . . . . . . . . . . 105
2.4.5 Derivada de ordem n . . . . . . . . . . . . . . . . . . . . . . . 110
2.4.6 Teoremas de Rolle, Lagrange e Cauchy . . . . . . . . . . . . . 111
2.4.7 Extremos e Concavidades . . . . . . . . . . . . . . . . . . . . 113
2.4.8 Aproximação Polinomial, Polinómio e Fórmula de Taylor . . . 120

3 Introdução ao cálculo diferencial em Rn 123

3.1 Produto Interno, Norma e Distância Euclidiana . . . . . . . . . . . . 123
3.1.1 Sistemas de Coordenadas . . . . . . . . . . . . . . . . . . . . . 125

3
4

3.2 Funções de Rn em Rm . . . . . . . . . . . . . . . . . . . . . . . . . . 125

3.2.1 Gráfico de uma função e curvas de nı́vel . . . . . . . . . . . . 127
3.3 Limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
3.4 Continuidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
3.5 Derivadas Parciais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
3.5.1 Derivadas parciais de ordem superior . . . . . . . . . . . . . . 136
3.5.2 Gradiente, Matriz Jacobiana e Diferencial total . . . . . . . . 138
3.6 Diferenciabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
3.7 Derivada segundo um vector e derivada direccional . . . . . . . . . . 143
3.8 Derivada da Função Composta . . . . . . . . . . . . . . . . . . . . . . 145
3.9 Função Implı́cita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
3.10 Extremos Livres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
Capı́tulo 1

Álgebra Matricial

1.1 Matrizes. Operações com matrizes. Matrizes

Invertı́veis
Nesta secção introduzimos o conceito de matriz e apresentamos também vários ex-
emplos. Definimos as operações de adição e multiplicação de matrizes e indicamos
as suas propriedades principais.
Antes de apresentarmos a definição de matriz que iremos utilizar ao longo deste
texto, começamos por dizer que, informalmente, uma matriz pode ser vista como
uma tabela, com um certo número de linhas e de colunas, cujas entradas são números
reais ou complexos. Por exemplo, dizemos que
4 1 34
 

−1 0 π
é uma matriz com 2 linhas e 3 colunas.
Assim, adoptamos a seguinte definição de matriz.
Definição 1.1.1 Sejam m e n dois números naturais. Chamaremos matriz de
dimensão m × n a qualquer tabela que se obtenha dispondo mn números reais, ou
complexos, segundo m linhas e n colunas, isto é, a qualquer tabela da forma
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A =  .. .. .. 
 
..
 . . . . 
am1 am2 · · · amn
onde aij são números reais (complexos) com i = 1, . . . , m e j = 1, . . . , n. Aos
números aij chamaremos as entradas ou componentes da matriz A.
Assim, aij é interpretado como sendo a entrada na matriz A na linha i e coluna
j, e escreve-se
A = [aij ]m,n
i,j=1 ou A = [aij ]m×n .
Caso se subentenda a dimensão da matriz, escrevemos simplesmente
A = [aij ].

5
6

Notação 1.1.2 1. A longo do texto consideramos K = R ou K = C e aos seus

elementos chamamos escalares.

2. Representamos por Mm×n (K) o conjunto das matrizes de dimensão m×n cujas
entradas são elementos de K. Utilizaremos a notação Mn (K) para representar
Mn×n (K).

Definição 1.1.3 Duas matrizes A = [aij ] e B = [bij ] dizem-se iguais se têm a

mesma dimensão e aij = bij para todo o i e para todo o j, i.e., as suas entradas são
iguais.

Exemplo 1.1.4 1. Considere as matrizes

 √   
3 e2 0 8 −3
A= B= .
−1 0 5 5 1
√
Tem-se a11 = 3, a23 = 5 e b12 = −3.
Note que A é uma matriz 2 × 3 e B tem dimensão 2 × 2 e portanto estas
matrizes não são iguais.

2. Consideremos a matriz A de dimensão 2 × 3 cujas entradas são dadas por

aij = (−1)j i. Temos então

(−1)1 1 (−1)2 1 (−1)3 1

     
a11 a12 a13 −1 1 −1
A= = = .
a21 a22 a23 (−1)1 2 (−1)2 2 (−1)3 2 −2 2 −2
 7

Exercı́cio 1.1 Indique a matriz A de ordem 3 cujas entradas são dadas por:
( (
1, se i + j é par i + j, se i < j
(a) aij = (b) aij =
−1, se i + j é ı́mpar (−1)i j, se i ≥ j

Exercı́cio 1.2 Determine, caso existam, os valores reais de x para os quais é

válida a seguinte igualdade:
1 34 x2 √ 1 34 √
   
− 5x −4
=
0 π 2 0 π 2

Definição 1.1.5 Seja A ∈ Mm×n (K). Dizemos que:

1. A é uma matriz linha se m = 1.
2. A é uma matriz coluna se n = 1.
3. A é uma matriz quadrada se m = n. Neste caso, dizemos que A é uma
matriz de ordem n.
Exemplo 1.1.6 Consideremos as matrizes
   √ 
−1 3
  −1 2
−1
A =  2  B = −1 e C= 2 0 5 
3 3 π 2
Verificamos facilmente que A é uma matriz coluna, B é uma matriz linha e C é
uma matriz quadrada de ordem 3.
Definição 1.1.7 Seja A = [aij ] uma matriz quadrada de ordem n. Chamamos
diagonal principal de A às entradas aii com 1 ≤ i ≤ m.
Dizemos que:
1. A é triangular superior se todas as entradas que estão abaixo da diagonal
principal são iguais a zero, i.e., aij = 0 para todo o i > j:
 
a11 a12 · · · a1n
 0 a22 · · · a2n 
 .. .. . . .. 
 
 . . . . 
0 0 · · · ann

2. A é triangular inferior se todas as entradas que estão acima da diagonal

principal são iguais a zero, i.e., aij = 0 para todo o i < j:
 
a11 0 ··· 0
 a21 a22 · · · 0 
 .. .. .. 
 
. .
 . . . . 
am1 am2 · · · ann
8

3. A é triangular se A é triangular superior ou triangular inferior.

4. A é diagonal se todas as entradas que estão abaixo e acima da diagonal prin-
cipal são iguais a zero, i.e., aij = 0 para todo o i 6= j:
 
a11 0 · · · 0
 0 a22 · · · 0 
 .. .. . . .. 
 
 . . . . 
0 0 · · · ann

Exemplo 1.1.8
 
1 −3
é uma matriz triangular superior.
0 0
 
4 0 0
 −1 0 0  é uma matriz triangular inferior.
√
π 0 9
 
3 0 0 0
 0 1 0 0 
 0 0 9 0  é uma matriz diagonal.
 

0 0 0 5

1.1.1 Operações com matrizes

No conjunto Mm×n (K) pode-se definir uma operação de adição, multiplicação por
um escalar e de multiplicação.

Definição 1.1.9 Sejam A = [aij ] e B = [bij ] duas matrizes m × n e α um escalar.

As matrizes A + B e αA são dadas por:

A + B = [aij + bij ] αA = [αaij ].

Exemplo 1.1.10 Considere as matrizes

   
1 2 −2 −3
A= 4  5  B= 3 1 .
0 6 7 −6
Tem-se    
1−2 2−3 −1 −1
A+B = 4+3 5+1 = 7 6 
0+7 6−6 7 0
   
3×1 3×2 3 6
3A =  3 × 4 3 × 5  =  12 15  .
3×0 3×6 0 18

Note-se que as operações acima definidas não alteram a dimensão das matrizes. No
entanto, veremos que o mesmo não acontece quando definirmos a multiplicação de
duas matrizes.
 9

Observação 1.1.11 A soma de matrizes só é possı́vel se ambas as matrizes tiverem

a mesma dimensão.

Exercı́cio 1.3 Sejam:

 
    3 5 0
1 2 −1 0 2 π
A= 3 B= C =  −2 −3 1 
2
−4 0 −1 2 −3
0 2 1

Calcule, se possı́vel:

(a) A + B (b) 2B − A (c) A + C

Teorema 1.1.12 Sejam A, B, C ∈ Mm×n (K) e α, β ∈ K. As seguintes propriedades

são válidas:

1. Comutatividade da adição: A + B = B + A;

2. Associatividade da adição: A + (B + C) = (A + B) + C;

3. Existência de elemento neutro: existe uma única matriz a que chamamos ma-
triz nula (todas as suas entradas são iguais a zero), e que representamos por
0, tal que A + 0 = A;

4. Existência de simétrico: para cada matriz A tem-se A + (−A) = 0;

5. Associatividade da multiplicação por escalares: α(βA) = (αβ)A;

6. Distributividade: α(A + B) = αA + αB e (α + β)A = αA + βA;

7. Existência de identidade: 1A = A.

Usando propriedades anteriores, podemos resolver algumas equações matriciais

como veremos no próximo exemplo.

Exemplo 1.1.13 Consideremos as matrizes

   
1 −1 2 1 3 −4
A= e B=
0 1 −2 2 −1 0

Vamos determinar a matriz X tal que 2(A + X) − B = 0. Tem-se então

2(A + X) − B = 0 ⇔ 2A + 2X = B ⇔ 2X = B − 2A
1
⇔ X = (B − 2A)
2 1 5 
− 2 2 −4
⇔X= .
0 − 32 2
10

Exercı́cio 1.4 Considere as matrizes

   
2 0 0 1 1 1
A= 0  2 0  B= 2 2 2 
0 0 2 3 3 3

Determine uma matriz X tal que X + A = 2(X − B)

Antes de definirmos a multiplicação de duas matrizes no caso geral, apresentamos

a definição do produto de uma matriz por uma matriz coluna.

Definição 1.1.14 Sejam A ∈ Mm×n (K) e B ∈ Mn×1 (K). O produto ou multi-

plicação de A com B é definido da seguinte forma:
    
a11 a12 · · · a1n b11 a11 b11 + a12 b21 + · · · + a1n bn1
 a21 a22 · · · a2n   b21   a21 b11 + a22 b21 + · · · + a2n bn1 
AB =  .. .. ..   ..  =  .. .
    
. .
 . . . .  .   . 
am1 am2 · · · amn bn1 am1 b11 + am2 b21 + · · · + amn bn1

Observação 1.1.15 De acordo com a definição anterior, o produto AB só tem

significado se o número de colunas de A for igual ao número de linhas de B. Neste
caso, AB é uma matriz coluna de dimensão m × 1.

Exemplo 1.1.16 Temos

     
2 2   2×7+2×6 26
 −3 0  7 =  −3 × 7 + 0 × 6  =  −21  .
6
5 4 5×7+4×6 59

O produto   
1 2 −1 7
3 0 1 6
não faz sentido.

Agora, definimos o produto de duas matrizes. Tendo em conta a definição ante-

rior, se por exemplo pretendemos multiplicar uma matriz A por uma matriz B com
duas colunas, então será natural definir o produto AB como sendo uma matriz em
que cada coluna se obtém multiplicando A pela correspondente coluna de B, i.e.,
    
2 2 1 x a 2x + 2y + z 2a + 2b + c
 −3 0 10   y b  =  −3x + 0y + 10z −3a + 0b + 10c 
5 4 −6 z c 5x + 4y − 6z 5a + 4b − 6c

Em geral, se A ∈ Mm×n (K), B ∈ Mn×p (K) e representando por B1 , B2 , . . . Bp as

colunas de B, então AB1 , AB2 , . . . ABp são as colunas de AB, isto é,

AB = [ AB1 AB2 · · · ABp ].

 11

Definição 1.1.17 Sejam A = [aij ]m×n e B = [bjk ]n×p duas matrizes. Então o
produto C = AB é uma matriz m × p com
n
X
cik = aij bjk
j=1

para todo 1 ≤ i ≤ m e 1 ≤ k ≤ p.

Por outras palavras, temos:

• (coluna k de C)=(matriz A)(coluna k de B);

• (linha i de C)=(linha i de A)(matriz B);

• cik =(linha i de A)(coluna k de B).

Observação 1.1.18 O produto AB só tem sentido se o número de colunas de A for

igual ao número de linhas de B. Neste caso, o número de linhas de AB é igual ao
número de linhas de A e o número de colunas de AB é igual ao número de colunas
de B.

Exemplo 1.1.19 1. Tem-se

 
  2 2  
1 2 −1  −3 −9 −2
0  =
3 0 1 11 10 2×2
2×3 5 4 3×2

2. O produto    
π 2 −1 7 e
7
9 10 1 2×3
6 5 2×2

não faz sentido.

3. A entrada c32 do produto

 √  
47 2π −1 0 π 2 −1
 1 0 11
87  1 −4 11 
 3 3  3 3 
 1 −1 2 −3   −1 0 3 
2 3 π 13
π −7 13 ln 27

é 2 + 4 + 0 − 3π = 6 − 3π.

Exemplo 1.1.20 Uma empresa comercializa quatro produtos. A tabela seguinte in-
dica o número de unidades vendidas, de cada um desses produtos, em cada trimestre
do ano.
Produto 1 Produto 2 Produto 3 Produto 4
Trimestre 1 10 15 4 3
Trimestre 2 14 18 6 11
Trimestre 3 15 20 12 5
Trimestre 4 11 10 8 7
12

Na tabela seguinte apresentam-se o preço de venda e o lucro, em euros, de cada um

desses produtos.
Preço de venda Lucro
Produto 1 50 8
Produto 2 200 80
Produto 3 300 50
Produto 4 250 30
Consideremos as matrizes
  
10 15 4 3 50 8
 14 18 6 11   200 80 
A=  15
 e B=
 300 50  .

20 12 5 
11 10 8 7 250 30
Multiplicando estas duas matrizes
 
5450 1570
 8850 2182 
C = AB = 
 9600

2470 
6700 1498
concluı́mos que ci1 é o total de vendas no Trimestre i e que ci2 é o lucro total no
Trimestre i, com i = 1, 2, 3, 4.
Teorema 1.1.21 Desde que as operações façam sentido tem-se:
1. Associatividade: (AB)C = A(BC);
2. Distributividade: A(B + C) = AB + AC e (A + B)C = AC + BC;
3. Designa-se por matriz identidade n × n a matriz I cujas entradas são iguais
a 1 ao longo da diagonal principal e zero nas restantes, i.e.,
 
1 0 ··· 0
 0 1 ··· 0 
 .. .. . . ..  .
 
 . . . . 
0 0 ··· 1
Então AI = A e IB = B.
4. Seja α ∈ K. Tem-se α(AB) = (αA)B = A(αB).
O próximo exemplo mostra que em geral o produto de matrizes não é comutativo.

Exemplo 1.1.22 Considere as matrizes

   
1 1 1 0
A= B= .
0 1 1 1
Então temos    
2 1 1 1
AB = BA =
1 1 1 2
de onde concluı́mos AB 6= BA.
 13

Definição 1.1.23 Duas matrizes A, B dizem-se comutáveis se e só se AB = BA.

Exercı́cio 1.5 Sejam:

 
    3 5 0
1 2 −1 0 2 π
A= 3 B= C =  −2 −3 1 
2
−4 0 −1 2 −3
0 2 1
  
−1 1 −1 0  
D =  −2  E= e 0 1  F = 2 7 −3
0 −2 e 0
Calcule, se possı́vel:

(a) AB (e) DF
(b) BC
(f) F D
(c) CB
1
(d) 2
CE (g) DB

Exercı́cio 1.6 Considere as matrizes

     
4 2 −1 −1 0 −3
A= , B= e C=
2 1 2 2 3 0

Verifique que:

(a) AB 6= BA.

(b) AB = 0 com A 6= 0 e b 6= 0.

(c) BA = CA e A 6= 0 mas B 6= C.

Exercı́cio 1.7 Sejam A ∈ Mm×n (R) e B ∈ Mn×p (R). Justifique que:

(a) Se A tem a linha i nula então a matriz AB tem a linha i nula.

(b) Se B tem a coluna k nula então a matriz AB tem a coluna k nula.

Definição 1.1.24 Seja A uma matriz quadrada e n ∈ N. A potência de ex-

poente n de A, que representamos por An , é a matriz que se obtém da seguinte
forma:

A1 = A
An = An−1 A.
14
 
1 1
Exemplo 1.1.25 Consideremos a matriz A = . Calculemos A3 . Temos
2 1
    
2 1 1 1 1 3 2
A = AA = = .
2 1 2 1 4 3
Portanto     
3 2 1 1 3 2 7 5
A = AA = = .
2 1 4 3 10 7

Exercı́cio 1.8 Determine A3 para

 
1 1 1
A= 0 1 1 
0 0 1

Exercı́cio 1.9 Uma matriz A diz-se nilpotente se existe um natural n tal que
An = 0. Mostre que a matriz
 
1 1 3
A= 5 2 6 
−2 −1 −3

é nilpotente.  
0 −2
Exercı́cio 1.10 Considere a matriz A = . Determine A4 .
2 0

Definição 1.1.26 Chama-se transposta de A à matriz que se obtém de A trocando

as linhas pelas colunas. Esta é representada por AT .

Se A = [aij ]m×n então AT = [bji ]n×m com bji = aij .

Definição 1.1.27 Seja A uma matriz quadrada de ordem n.

1. Diz-se que A é uma matriz simétrica se A = AT .

2. Diz-se que A é uma matriz anti-simétrica se A = −AT .

Exemplo 1.1.28 Consideremos as matrizes

   
  2 1 5 0 3 −5
4 2
A= B= 1 0 4  C = −3 0
 4 .
9 10
5 4 −6 5 −4 0

Temos
   
  2 1 5 0 −3 5
4 9
AT = T
B = 1
 0 4  CT =  3 0 −4  .
2 10
5 4 −6 −5 4 0

A matriz B é simétrica, a matriz C é anti-simétrica e a matriz A não é simétrica

nem anti-simétrica.
 15

Teorema 1.1.29 Desde que as operações façam sentido tem-se:

1. (A + B)T = AT + B T ;

2. (αA)T = αAT ;

3. (AB)T = B T AT ;

4. (AT )T = A.

Exercı́cio 1.11 Sejam

   
2 3 1 0 2 π  
0 0
A =  3 −1 4  , B =  −2 0 −1  e C= .
0 0
1 4 0 −π 1 0

Indique quais destas matrizes são:

(a) anti-simétricas.

(b) simétricas.

(c) simultaneamente simétricas e anti-simétricas.

Exercı́cio 1.12 Determine a, b, c ∈ R de forma a que a matriz
 
1−a 2
b c+3

seja:
(a) simétrica.

(b) anti-simétrica.

1.1.2 Matrizes Invertı́veis

Definição 1.1.30 Seja A ∈ Mn (K). Diz-se que A é uma matriz invertı́vel se
existe uma matriz B tal que AB = I e BA = I.

A matriz B na definição anterior, quando existe é única e é chamada a inversa

de A. Neste caso, escrevemos A−1 em vez de B.
 
1 3
Exemplo 1.1.31 1. A matriz B = não é a matriz inversa de A =
  2 7
7 3
pois
−2 −1
    
1 3 7 3 1 0
BA = =
2 7 −2 −1 0 −1
16

a qual é diferente da matriz identidade.

 
7 −3
No entanto, B é a inversa de C = . De facto, temos
−2 1
    
1 3 7 −3 1 0
BC = =
2 7 −2 1 0 1

e também se verifica que CB = I de forma análoga.

   
1 0 a b
2. A matriz A = não é invertı́vel. Com efeito, sendo B =
0 0 c d
uma matriz de ordem 2 qualquer, temos
   
a b 1 0
AB = 6= .
0 0 0 1

O próximo teorema estabelece que, se já soubermos que A é uma matriz in-
vertı́vel, para provar que a sua inversa é B apenas temos de verificar que um dos
produtos AB ou BA é igual à matriz identidade.

Teorema 1.1.32 Sejam A, B ∈ Mn (K), com A invertı́vel. Tem-se:

1. Se AB = I, então B = A−1 .

2. Se BA = I, então B = A−1 .

 
1 1
Exercı́cio 1.13 Determine, caso exista, a matriz inversa para A = .
0 1

Teorema 1.1.33 Sejam A e B matrizes invertı́veis. Então

1. AB é também invertı́vel e (AB)−1 = B −1 A−1 .

2. A−1 é também invertı́vel e (A−1 )−1 = A.

3. AT é também invertı́vel e (AT )−1 = (A−1 )T .

Exercı́cio 1.14 Sejam A, B ∈ M2 (R) matrizes invertı́veis com

   
−1 1 −1 1 0
B= e (AB) = .
1 1 3 2
Determine:
(a) A−1 .

(b) uma matriz X tal que (AX)T + B = 0.

Exercı́cio 1.15 Seja A ∈ Mn (K). Mostre que se uma das colunas de A for nula
então A não é invertı́vel.