Matematica para o exame da ANPEC

1
Alexandre L. Madureira
Laborat orio Nacional de Computa c ao CientficaLNCC, Brasil
URL: http://www.lncc.br/alm
1
02 de julho de 2012
Resumo. Estas notas de aula s ao relativas ao curso de preparacao promovido pela FGV
para a parte de matematica do exame da ANPEC. Estas notas devem servir de apoio, e
certamente nao eliminam a necessidade de se usar os ja classicos, aprimorados e v arios livros
did aticos. Mencionamos alguns deles na biliograa.
Neste curso apresento alguns t opicos de algebra linear, calculo e analise que est ao pre-
sentes no exame da ANPEC, e que s ao importantes para uma formacao mais s olida de
futuros pos-graduandos em economia. Espero apresentar algum rigor matematico aos alu-
nos, e mostrar como este deve ser utilizado em conjunto com a intui cao matematica, nunca
esquecendo o objetivo que e aprimorar a arte de resolver quest oes.
Uma particularidade das notas e que, ao m destas ha solu coes de quest oes das provas
da ANPEC de matematica dos ultimos anos. Isto nao seria possvel sem a ajuda de Gustavo
Lopo Andrade, Gustavo Pereira, e Lucas Alves, que gentilmente concordaram em apresentar
suas solu coes em T
E
X. Acho que estas solu coes serao uteis para a grande comunidade de
alunos que se prepara para os exames da ANPEC. Meus agradecimentos mais sinceros a
estes tres jovens!
Eu tomei a liberdade de modicar minimamente a nota cao usada em algumas das ques-
t oes, a m de torn a-la homogenea e coincidir com as nota coes usadas nestas notas. Editei
tambem minimamente as quest oes submetidas pelos alunos, a m de tornar suas (deles)
solu coes mais proximas do estilo, linguagem e nota coes usadas no restante das notas.
Sao usadas estas notas v arias ideias e nota coes de outros livros, como [4, 10, 15] em alge-
bra linear. A bibliograa basica sugerida pela ANPEC e dada por [4, 6, 17], e a complementar
e [1, 7, 9, 10, 21].
Sumario
Captulo 1. Noc oes de Conjuntos 1
1.1. Conjuntos 1
1.2. Exerccios 4
Captulo 2. Noc oes de geometria analtica 5
2.1. Coordenadas 5
2.2. Distancia, norma, produtos escalar e vetorial 6
2.3. Produto vetorial 7
2.4. A reta no plano e espaco 8
2.5. Planos no espaco 9
2.6. Desigualdade lineares 9
2.7. Conicas no plano 10
2.8. Exerccios 12
Captulo 3.

Algebra Linear 13
3.1. Opera c oes com matrizes 13
3.2. Matriz inversa, transposta e adjunta 13
3.3. Resoluc ao de sistemas lineares 14
3.4. Determinantes e a regra de Cramer 15
3.5. Espacos vetoriais, subespacos, base e dimensao 17
3.6. Produto interno, ortogonalidade e projec oes 20
3.7. Transformac oes lineares, n ucleo, imagem e representa c oes matriciais 22
3.8. Autovalores, polinomios caractersticos e operadores diagonalizaveis 24
3.9. Operadores auto-adjuntos, operadores ortogonais 26
3.10. Formas lineares e bilineares 27
3.11. Exerccios 28
Captulo 4. Limites de func oes 29
4.1. Deni c oes basicas envolvendo func oes 29
4.2. Intervalos na reta 30
4.3. Func oes inversas 31
4.4. Limites de func oes 32
4.5. Limites laterais, innitos e no innito 35
4.6. Exerccios 36
Captulo 5. Continuidade e Func oes Contnuas 37
5.1. Introduc ao e exemplos 37
5.2. Func oes Contnuas em intervalos fechados e limitados 39
iii
iv SUM

ARIO
5.3. Exerccios 39
Captulo 6. Diferenciac ao 41
6.1. Deni c oes e Exemplos 41
6.2. Propriedades da Derivada 42
6.3. Aplicac oes 44
6.4. Teorema de Taylor e Aplicac oes 46
6.5. Regra de LHopital 49
6.6. Exerccios 50
Captulo 7. Func oes trigonometricas, logartmicas e exponenciais 51
7.1. Func oes trigonometricas 51
7.2. Func oes log e exponencial 52
Captulo 8. Integrac ao 55
8.1. Propriedades basicas de integrais de func oes limitadas 55
8.2.

Areas planas 58
8.3. Integrais impr oprias 59
Captulo 9. Sequencias e Series 63
9.1. Deni c ao e resultados preliminares 63
9.2. Sequencias Monotonas 70
9.3. Exerccios 72
Apendice A. Uma introduc ao nao t ao formal aos fundamentos da matem atica 73
A.1. Argumenta c ao formal 73
A.2. Demonstrac ao por induc ao e contradi c ao 76
A.3. Exerccios 77
Apendice. Referencias Bibliogr acas 79
SUM

ARIO v
Os t opicos destas notas seguem a orienta c ao da pr opria ANPEC. Sao eles:
(1) Noc ao de Conjunto
Relac ao de pertinencia. Relac ao de inclusao, operac oes de interse c ao, uni ao,
diferenca. Produto cartesiano. Relac oes.
(2) Noc oes de Geometria Analtica
Coordenadas no plano e no espaco. Formulas de dist ancia. Vetores livres no
plano e no espaco. Produto escalar, produto vetorial, perpendicularidade. Equac oes
da reta no plano e no espaco, equac oes de planos. Inequac oes lineares. Par abola e
hiperbole.
(3) Func oes
Func oes injetoras, sobrejetoras e bijetoras. Representa c ao gr aca. Soma, di-
ferenca, produto, quociente e composic ao de func oes.
(4)

Algebra Linear
Opera c oes com matrizes. Matriz inversa, transposta e adjunta. Resoluc ao de
sistemas lineares. Determinantes. Regra de Cramer. Espacos vetoriais. Subespacos.
Base e dimensao. Produto interno, ortogonalidade. Projec oes. Transformac oes
lineares. N ucleo e imagem. Matriz de uma transformac ao linear. Autovalores
e autovetores. Polinomios caractersticos operadores diagonalizaveis. Operadores
auto-adjuntos, operadores ortogonais. Formas bilineares.
(5) Func oes de uma variavel real -
Limites. Func oes contnuas. Func oes deriv aveis. Reta tangente e reta normal.
Regras de derivac ao: derivada da soma, do produto, do quociente, regra da cadeia,
derivada da inversa. Elasticidade. Derivadas sucessivas. Func oes trigonometricas.
Func ao exponencial e logartmica. Regra de LHopital. Intervalos de concavidade e
convexidade. Ponto de inexao. Polinomio de Taylor.
(6) Integrais
Teorema fundamental do c alculo, primitivac ao por partes e por substitui c ao.

Areas planas. Integrais impr oprias.

(7) Sequencias e series
Convergencia e divergencia de seq uencias e series. Serie geometrica, teste da
compara c ao, da raz ao, da raiz, teste da integral. Series alternadas.
(8) Matem atica nanceira
Juros simples. Juros compostos. Desconto e taxa de desconto. Series de
pagamento. Fluxo de caixa. Sistema de amortiza c ao.
(9) Func oes de v arias variaveis reais
Derivadas parciais. Diferencial total. Gradiente. Regra da cadeia. Func oes
implcitas. Teorema do envelope. Func oes homogeneas. Teorema de Euler. Con-
di c oes de 1
a
e 2
a
ordens para m aximos e mnimos de func oes de v arias variaveis
reais. Condi c oes de 1
a
e 2
a
ordens para otimizac ao condicionada com restric oes
de igualdade e desigualdade. Integrais duplas. Mudanca de variaveis em integrais
duplas.
(10) Equac oes diferenciais e em diferencas
Equac oes lineares de 1
a
ordem e equac oes lineares de 2
a
ordem com coeci-
entes constantes. Sistema de duas equac oes lineares de 1
a
ordem homogeneo com
coecientes constantes.
CAPTULO 1
Nocoes de Conjuntos
1
Neste captulo falaremos sobre conjuntos, e em particular descreveremos relac oes de per-
tinencia e inclusao, opera c oes de interse c ao, uni ao, diferenca, produto cartesiano, e relac oes.
1.1. Conjuntos
Esta parte do texto pretende apenas expor algumas diculdades basicas, da parte talvez
mais fundamental da matem atica (excluindo-se a l ogica). Duas referencias tambem introdu-
t orias, mas muito mais completas, sao os livros do Terence Tao [19], e do Paul Halmos [14].
A primeira diculdade encontrada e denir o que e um conjunto. Uma sada (questi-
onavel) e simplesmente dizer que um conjunto e uma colec ao ou famlia de objetos (ou
elementos ou membros). Se um objeto x faz parte de um conjunto A, dizemos que ele per-
tence `a A e escrevemos x A (o smbolo / indica que quando um elemento nao pertence a
um conjunto).
Espera-se que o uso da palavra colec ao acima nao traga confusoes. O termo colec ao
sera a seguir utilizado para conjuntos cujos elementos sao tambem conjuntos.
Considere agora dois conjuntos A e B.
Dizemos que A esta contido em B e escrevemos A B se todo elemento de A e
elemento de B. Pode-se tambem escrever B A (le-se B contem A) para indicar
A B.
Se A nao esta contido em B escrevemos A , B.
Dizemos que dois conjuntos A e B sao iguais, e escrevemos A = B se A B e
B A.
Se nao forem iguais, dizemos que sao diferentes e escrevemos A ,= B.
Tambem escrevemos A B se A B mas A ,= B. Dizemos neste caso que A esta
propriamente contido em B.
O seguinte axioma e importante, nos garante que a forma usual de denir conjuntos e
segura, ou seja, quando denimos um conjunto obtemos um e apenas um conjunto (mesmo
que seja vazio).
Axioma 1.1.1 (da especica c ao). Seja A um conjunto, e para cada x A, seja P(x)
uma armativa (verdadeira ou falsa). Ent ao existe um unico conjunto B composto de todos
os elementos x de A tais que P(x) e verdade.
1

Ultima Atualiza cao: 17/06/2012

1
2 1. NO C

OES DE CONJUNTOS
O conjunto acima e denotado por x A : P(x) e verdade. Quando o conjunto A e
claro pelo contexto, podemos escrever simplesmente x : P(x) e verdade. Este conjunto e
formado por todos os elementos x que estejam em A e tais que a propriedade P(x) seja ver-
dadeira. Uma ultima forma de denotar os conjuntos e simplesmente descrever seus elementos
entre as chaves. Por exemplo, o conjunto dos n umeros pares pode ser denotado por
x Z : x e divisvel por 2.
Sendo um pouco menos formal, pode-se escrever este mesmo conjunto como 2x : x Z
ou ainda enumerar todos os elementos do conjunto: . . . , 4, 2, 0, 2, 4, 6, . . . .
Vale aqui descrever uma situac ao interessante dada pelo Paradoxo de Russel.

E natural
perguntar-se o quao grande podem ser os conjuntos. Por exemplo, existe um conjunto U tal
que todos os conjuntos existentes sejam elementos de U? Se U existe, ent ao, pelo Axioma
da especica c ao (Axioma 1.1.1) podemos formar
R = x U : x e conjunto e x / x.
Ent ao R / U. De fato, se R U, ent ao R R ou R / R. Vamos dividir em dois casos:
(1) Se R R, ent ao R / R pois por deni c ao, R e formado pelos conjuntos que n ao se
autocontem.
(2) Se R / R, ent ao R nao satisfaz as propriedades que denem R. No caso de n ao se
autoconter. Logo R R.
Em ambas possibilidades (1) e (2) obtemos absurdos. Logo R / U. Mas U e exatamente o
conjunto que contem todos os outros. . . . Somos levados a concluir que tal conjunto U nao
pode existir.
O pr oximo passo e denir as opera c oes usuais. Por incrvel que possa parecer, o mais
difcil e denir a uni ao entre dois conjuntos, e para isto e necess ario um axioma.
Axioma 1.1.2 (da uni ao). Para qualquer colec ao de conjuntos, existe um conjunto que
contem todos os elementos pertencentes a pelo menos um conjunto da colec ao.
Podemos agora denir a uni ao entre dois conjuntos A e B. Para tanto, note que pelo
Axioma da uni ao, existe um conjunto U que contem todos os elementos de A e de B.
Denimos ent ao A B = x U : x A ou x B.
Observe entretanto a seguinte armadilha. O Axioma da uni ao nao garante que o tal
conjunto contendo A e de B e unico, somente garante que existe. Podemos ter por exemplo
um outro conjunto

U contendo A e de B. Seja agora C = x

U : x A ou x B. Para
a uni ao ser denida de forma unica, temos que garantir que C = A B. Isto e verdade, e
para provar basta argumentar que C A B e C A B.
Com o Axioma da especica c ao, podemos denir as seguintes opera c oes.
O conjunto interse c ao entre A e B e A B = x A : x B.
O conjunto diferenca A menos B e AB = x A : x / B. O conjunto resultante
tambem denotado por A B e chamado de complemento de B em relac ao `a A.
Quando e claro quem e o conjunto A, denotamos AB por ((B), e o chamamos de
complemento de B.
1.1. CONJUNTOS 3
Observa c ao.

E facil generalizar os conceitos acima para uni oes e interse c oes arbitrarias
de conjuntos.
Finalmente, e util a regra de De Morgam, que diz que para conjuntos E
n
, onde n N,
temos que
(1.1.1) ((
iN
E
n
) =
iN
((E
n
), ((
iN
E
n
) =
iN
((E
n
).
Outro conceito util e o de par ordenado. Dados dois elementos, ou objetos a e b, formamos
o par (a, b), e chamamos a e b de (primeiro e segundo) componentes de (a, b). Dizemos
(denimos) que um par ordenado e igual a outro se os respectivos componentes forem iguais,
i.e., (a, b) = (a

, b

) se a = a

e b = b

.
Do ponto de vista axiom atico, nao e claro que dados dois elementos, exista o par ordenado
formado por eles. Viveremos por enquanto com esta d uvida. O importante e como pares
ordenados sao formados (por elementos de dois conjuntos) e quando sao iguais (quando os
componentes sao iguais).
Denimos agora produtos cartesianos. Dados dois conjuntos A e B, denimos o conjunto
A B = (a, b) : a A, b B como sendo o composto pelos pares ordenados.
Observa c ao. A extensao destes conceitos para n- uplas ordenadas e produtos cartesianos
com n conjuntos e natural.
Chamamos R de relacao entre A e B se R e subconjunto de AB. Similarmente, dizemos
que a A e b B sao relacionados se (a, b) R. Desta deni c ao vem o importante conceito
de func ao. Uma fun cao entre A e B nada mais e que uma relac ao entre A e B, e sendo assim
f A B. Esta relac ao entretanto satisfaz a seguinte restric ao: para todo a A existe
um unico b B tal que (a, b) f. Denotamos esta relac ao especial por f : A B. Dado
a A, b B, dizemos que f(a) = b se (a, b) f.
Na pr atica, comumente nos esquecemosdesta deni c ao e tratamos func oes de forma
mais informal e direta. Este pecadilho matem atico nao chega a atrapalhar nossos objetivos,
mas e importante ter em mente a deni c ao formal.
Uma relac ao R A A e uma ordenac ao parcial se
(1) (a, b) R e (b, c) R implica em (a, c) R,
(2) (a, b) R e (b, a) R implica em a = b,
e e uma ordenac ao simples se, alem disto,
(1) (a, b) R ou (b, a) R para todo a, b A.
Um exemplo de ordenac ao parcial e dada pela relac ao de pertinencia () entre conjuntos.
Um exemplo de ordenac ao simples e dada nos reais, com a relac ao de maior. Finalmente,
temos que R A A e uma relac ao de equivalencia se para todos elementos a, b e c A
temos
(1) (a, a) R,
(2) (a, b) R implica em (b, a) R,
(3) (a, b) R e (b, c) R implica em (a, c) R.
4 1. NO C

OES DE CONJUNTOS
1.2. Exerccios
Exerccio 1.1. Mostre que
(1) x R : x
2
0 = R.
(2) x R : x > 0 x R : x
2
0.
(3) R , x R : x
2
0.
Exerccio 1.2. Mostre a regra de De Morgam dada em (1.1.1).
Exerccio 1.3. Mostre que a, a = a.
Exerccio 1.4. Sejam A e B dois conjuntos disjuntos, i.e., AB = . Seja X = AB.
Mostre que A = XB e B = XA.
Exerccio 1.5. Sejam A e B dois conjuntos, e C = (AB) (BA). Mostre que
C = (A B)(A B) e que C A B = .
Exerccio 1.6. Mostre que a relac ao de pertinencia () entre conjuntos dene uma
ordenac ao parcial, e que a relac ao de maior nos reais dene uma ordenac ao simples.
CAPTULO 2
Nocoes de geometria analtica
1
Neste captulo falaremos sobre noc oes como coordenadas, dist ancia, vetores, produtos
escalar e vetorial, perpendicularidade, equac oes da reta no plano e espaco, equac oes de
planos, inequac oes lineares, par abolas, hiperboles.
Consideraremos o R
n
o como o conjunto das n- uplas ordenadas de n umeros reais, como
denido abaixo.
Defini c ao 2.0.1. Seja R
n
o conjunto das n- uplas ordenadas de n umeros reais, i.e,
R
n
= x = (x
1
, . . . , x
n
) : x
i
R para i = 1, . . . , n.
Denimos ent ao as operacoes produto por escalar e soma da seguinte forma:
x = (x
1
, . . . , x
n
), x +y = (x
1
+ y
1
, . . . , x
n
+ y
n
),
onde x = (x
1
, . . . , x
n
) e y = (y
1
, . . . , y
n
) est ao em R
n
, e R. Pode-se checar que R
n
e
espaco vetorial com as operacoes acima descritas.
2.1. Coordenadas
Seja Bv
1
, v
2
, . . . , v
n
base do R
n
. Ent ao, segundo o Teorema 3.5.11, todo vetor do R
n
pode ser escrito de forma unica como combininac ao linear dos vetores de B, i.e., dado um
vetor w R qualquer, existem n umeros reais
1
, . . . ,
n
que sao os unicos tais que
w =
1
v
1
+
n
v
n
.
Dizemos ent ao que
1
, . . . ,
n
sao as coordenadas de w na base B.
A base mais simples que existe e a base canonica, dada por e
1
, . . . , e
n
, onde, para
i 1, . . . , n, o vetor e
i
e denido tal que a iesima coordenada vale um e as demais
coordenadas valem zero, i.e.,
e
1
= (1, 0, 0, . . . , 0), e
2
= (0, 1, 0, . . . , 0), . . . , e
n
= (0, 0, . . . , 0, 1).
Chamamos este vetores de vetores da base canonica. Note que podemos escrever um ponto
x = (x
1
, x
2
, . . . , x
n
) R
n
como x = x
1
e
1
+ x
2
e
2
+ + x
n
e
n
. Neste caso, x
1
, . . . , x
n
sao as
coordenadas de x na base canonica.
Existe uma identica c ao natural dos pontos em R
n
com suas coordenadas na base cano-
nica. Usaremos neste texto a seguinte nota c ao. Para cada x = (x
1
, . . . , x
n
) R
n
, indicaremos
1

Ultima Atualiza cao: 18/06/2012

5
6 2. NO C

OES DE GEOMETRIA ANALTICA

por x R
n1
a matriz coluna das coordenadas na base canonica dada por
(2.1.1) x =
_

_
x
1
x
2
.
.
.
x
n
_

_
.
Na verdade nao seremos t ao preciosistas e escreveremos que x R
n
tambem.
Exemplo 2.1. Nem sempre as bases sao t ao simples. Por exemplo, (1, 1); (0, 1) deter-
mina uma base em R
2
. Para determinar as coordenadas de um vetor (a, b) qualquer em R
2
,
temos que achar
1
,
2
R tais que
(a, b) =
1
(1, 1) +
2
(0, 1).
Nesta base, o vetor (1, 1) tem 1 e 0 como coordenadas, e o vetor (0, 1) tem 0 e 1 como
coordenadas, pois
(1, 1) = 1 (1, 1) + 0 (0, 1),
(0, 1) = 0 (1, 1) + 1 (0, 1).
Ja o vetor (2, 1) tem 2 e 1 como coordenadas, pois se
(2, 1) =
1
(1, 1) +
2
(0, 1),
ent ao
1
= 2 e
1
+
2
= 1. Logo
2
= 1.
2.2. Distancia, norma, produtos escalar e vetorial
Dados dois vetores x = (x
1
, x
2
) e y = (y
1
, y
2
) do R
2
, a dist ancia entre eles e dada pelo
tamanho do vetor x y = (x
1
y
1
, x
2
y
2
).
***** por gura aqui *****
Para medir tamanho de vetores, usamos a noc ao de norma. No R
2
, denimos a norma de
um vetor x = (x
1
, x
2
) por
|x| =
_
x
2
1
+ x
2
2
.
Esta e a norma euclidiana, que no caso mais geral, em R
n
, e dada por
|(x
1
, . . . , x
n
)| =
_
x
2
1
+ + x
2
n
.
Voltando ao conceito de dist ancia, temos que a dist ancia entre dois pontos do R
2
dados por
x e y, nas v arias normas, e dada por
|x y| =
_
(x
1
y
1
)
2
+ (x
2
y
2
)
2
, |x y|

= max[x
1
y
1
[, [x
2
y
2
[.
Exemplo 2.2. Considere o vetor (3, 4). Ent ao |(3, 4)| =

9 + 16 = 5 e |(3, 4)|

= 4.
Os dois exemplos de norma acima sao casos particulares da noc ao mais geral de norma,
que se aplica em espacos vetoriais em geral, ver a Deni c ao 3.6.2.
Uma outra importante ferramenta matem aticas quando se trabalha em espacos vetoriais
e o conceito de produto interno.
2.3. PRODUTO VETORIAL 7
Em R
2
, se x = (x
1
, x
2
), e y = (y
1
, y
2
), o produto interno canonico e dado por
x y = x
T
y = x
1
y
1
+ x
2
y
2
.
Em R
n
, para x = (x
1
, . . . , x
n
), e y = (y
1
, . . . , y
n
), denimos
x y = x
T
y = x
1
y
1
+ + x
n
y
n
.
Note que podemos denir as normas euclidianas usando o produto interno
(2.2.1) |x| =

x x =
_
x
2
1
+ + x
2
n
Assim como no caso de norma, um produto interno nao precisa ser o canonico, basta
obedecer algumas regras. Veja a Deni c ao 3.6.1. O que e interessante e que a relac ao entre
norma e produto interno vista em (2.2.1) e somente um exemplo do caso mais geral. Sempre
que temos um produto interno, podemos denir uma norma. Isto sera visto no Captulo 3.
Abaixo temos a desigualdade de CauchySchwartz no R
n
. Deixaremos a demonstrac ao para
o caso geral visto no Teorema 3.6.3.
Teorema 2.2.1. Considere a norma e o produto interno canonicos do R
n
. Entao vale a
desigualdade de CauchySchwartz
(2.2.2) [x y[ |x||y| para todo x, y R
n
.
Alem disto, a igualdade [x y[ = |x||y| vale se e somente se x = y para algum R.
Finalmente, dados dois vetores x, y do R
n
, denimos o cosseno do angulo formado por
eles por
(2.2.3) cos =
x y
|x||y|
.
Dizemos ent ao que dois vetores x, y sao ortogonais, ou perpendiculares, se x y = 0. Note
que devido `a desigualdade de Cauchy-Schwartz (2.2.2) que o cosseno toma sempre valores
entre 1 e 1.
2.3. Produto vetorial
Uma outra opera c ao com vetores e o produto vetorial. Sejam x, y vetores em R
3
. Ent ao
denimos
x y = (x
2
y
3
x
3
y
2
, x
3
y
1
x
1
y
3
, x
1
y
2
x
2
y
1
).
Uma outra forma de escrever e
x y =
_
det
_
x
2
x
3
y
2
y
3
_
, det
_
x
1
x
3
y
1
y
3
_
, det
_
x
1
x
2
y
1
y
2
__
,
onde det(A) denota o determinante da matriz A. Algumas propriedades do produto vetorial
sao dadas abaixo:
(1) x y = y x
(2) x y e ortogonal a x e y
(3) (x) y = (x y) = x (y), para todo R
(4) (x +y) z = x z +y z
(5) |x y|
2
= |x|
2
|y|
2
(x y)
2
(6) |x y| = |x||y| sin
8 2. NO C

OES DE GEOMETRIA ANALTICA

(7) x x = 0
(8) x (y z) = det
_
_
x
y
z
_
_
= det
_
_
x
1
x
2
x
3
y
1
y
2
y
3
z
1
z
2
z
3
_
_
(9) x y = 0 se e somente se x = y para algum R
(10) e
1
e
2
= e
3
, e
2
e
3
= e
1
, e
3
e
1
= e
2
2.4. A reta no plano e espa co
Uma reta e um conjunto de pontos do R
n
que pode ser denida por um ponto a ela
pertencente, e a uma direc ao dada. Se chamamos de r uma reta, seja x r e um vetor v na
direc ao de r. Denimos ent ao
r = x +tv : t R.
Analogamente, se x, y sao dois pontos de r, ent ao v = x y determina a direc ao da reta.
Exemplo 2.3. Seja r
1
reta dada por
r
1
= (1, 2) + t(3, 1) : t R.
Ache r
2
passando por (1, 1) e paralela `a r
1
.
Solucao. A soluc ao e simples pois como r
2
e paralela `a r
1
, ambas tem a mesma direc ao,
que no caso e (3, 1). Como (1, 1) r
2
, ent ao r
2
= (1, 1) + t(3, 1) : t R.
O exemplo abaixo lida com interse c ao de retas.
Exemplo 2.4. Determine se as retas r
1
= (0, 0, 1)+t(1, 1, 3) : t R e r
2
= (1, 2, 0)+
t(0, 3, 1) : t R se interseptam, e em qual ponto.
Solucao. Note que as retas se interseptam se e somente se elas tiverem um ponto em
comum, ou seja se existirem t, s tais que (1, 2, 1) +t(1, 1, 3) = (1, 2, 0) +s(0, 3, 1). Isto
equivale a resolver o sistema
1 +t = 1; 2 t = 2 + 3s; 1 + 3t = s.
Este sistema de equac oes pode ter uma, zero ou innitas soluc oes.
No exemplo a seguir, consideramos como, dada a equac ao reta, podemos determinar sua
direc ao.
Exemplo 2.5. Seja agora um reta r no plano, i.e., no R
2
, dada por ax + by + d = 0,
onde a e b nao sao simultaneamente nulos. Caso b = 0, temos que a reta e simplesmente
dada por x d/a, ou seja, e a reta vertical dada por x constante. Suponha agora b ,= 0.
Para determinarmos sua direc ao, vamos achar dois pontos pertencentes `a r. Para tal, basta
determinar o valos de y quando x for igual a zero e a um, por exemplo. No caso temos que
(0, d/b) e
_
1, (da)/b
_
pertencem `a r. Logo, v =
_
1, (da)/b
_
(0, d/b) = (1, a/b)
e paralelo `a r. Note que a/b e exatamente o n umero que indica a inclina cao de r.

E
interessante e util notar que (a, b) e vetor perpendicular `a r.
2.6. DESIGUALDADE LINEARES 9
2.5. Planos no espa co
Um plano no espaco e denido por um ponto a ele pertencente e a um vetor ortogonal
ao plano. Seja um plano, x e n vetor perpendicular a . Ent ao
= x R
3
: (x x) n = 0.
Expandindo nas coordenadas, temos que para x = ( x
1
, x
2
, x
3
), e n = (n
1
, n
2
, n
3
), que um
ponto qualquer de satisfaz (x
1
x
1
)n
1
+(x
2
x
2
)n
2
+(x
3
x
3
)n
3
= 0. Reescrevemos esta
equac ao como n
1
x + n
2
x +n
3
x = x
1
n
1
+ x
2
n
2
+ x
3
n
3
= x n, que e da forma geral
ax
1
+ bx
2
+ cx
3
= d,
com a = n
1
, b = n
2
, c = n
3
, d = x n.
Exemplo 2.6. Ache a menor dist ancia do ponto p = (1, 0, 1) ao plano dado por x+2y
z = 2.
Solucao.
Passo i: precisamos primeiro achar algum ponto p
0
pertencente ao plano. Por exemplo
(1, 1, 1).
Passo ii: Seja v = (1, 1, 1) (1, 0, 1) = (0, 1, 0). Ent ao a projec ao de v em n = (1, 2, 1)
e dada por
w =
n v
|n|
2
n =
1
3
n.
Ent ao a dist ancia de p ao plano e dada simplesmente pela norma de w, o seja, a dist ancia e
de |w| = |n|/3 =

6/3.
Passo iii: para achar o ponto p
M
do plano que tem dist ancia mnima ate p, basta notar
que p
M
+w = p, e portanto
p
M
= p w.
Outra forma de se denir um plano e, dados tres pontos nao colineares a ele pertencentes,
denir um vetor normal ao plano via produto vetorial. De fato, se x, y, z pertencem a um
plano, ent ao n = (y x) (z x) e perpendicular a este mesmo plano.
Exemplo 2.7. Dadas duas retas r
1
= p
1
+td
1
: t R e r
2
= p
2
+td
2
: t R, ache
pontos x
1
r
1
e x
2
r
2
que tem dist ancia mnima.
Solucao. Seja n = d
1
d
2
e dena o plano passando por p perpendicular `a n. Ent ao
este plano e paralelo `a r
2
, e basta achar a dist ancia de p ate .
2.6. Desigualdade lineares
`
As vezes precisamos otimizar uma certa func ao denida no R
n
em domnios que satisfazem
alguma restric ao, por exemplo que as coordenadas sejam todas nao negativas, i.e. x
i
0 para
i = 1, . . . , n. Estes tipos de restric ao sao dadas por desigualdade lineares. Por simplicidade,
caremos apenas no caso do plano, quando n = 2, mas o caso geral e analogo.
Em geral as desigualdades lineares sao dadas na forma ax
1
+bx
2
+c 0, onde a, b, c sao
n umeros reais (para evitar trivialidades, suporemos sempre que a ou b sao nao nulos). Estas
desigualdades determinam a regiao do plano (x, y) R
2
: ax + by + c 0. Tendo v arias
desigualdades, podemos considerar a interse c ao entre os domnios por elas determinados, a
chamada regiao admissvel. Esta interse c ao pode ser nula, nao limitado, ou limitada. Neste
ultimo caso, a regiao sera dada por um polgono.
10 2. NO C

OES DE GEOMETRIA ANALTICA

Exemplo 2.8. Ache os pontos de R
2
tais que
3x + 4y 5 0,
y 1,
x 0,
y 0.

E um problema tpico tentar agora minimizar uma func ao linear nalguma regiao como a
dada no exemplo 2.8.
Exemplo 2.9. Ache o mnimo de p(x, y) = 2x + 3 5 na regiao determinada no exem-
plo 2.8.
Solucao. Note que as curvas de nvel da func ao p sao dadas por retas no plano. Neste
caso, para achar os pontos de m aximo e mnimo de p, basta procurar entre os vertices. Este
e apenas um exemplo do caso geral, como enunciado no resultado a seguir.
Teorema 2.6.1. Se uma regiao admissvel D denida por desigualdades lineares e li-
mitada, ent ao maximos e mnimos de p(x, y) = ax + by + c em D ocorrem nos vertices de
D.
2.7. C onicas no plano
Uma c onica no plano e o conjunto de pontos (x, y) R
2
: ax
2
+bxy+cy
2
+dx+ey+f =
0, onde a, . . . , f R. Pedimos ainda que a, b ou c seja diferente de zero. Uma outra forma
de exigir isto e impor que [a[ + [b[ + [c[ ,= 0. Se denirmos a forma quadr atica Q(x, y) =
ax
2
+bxy +cy
2
, e a forma linear F(x, y) = dx +ey, temos que Q(x, y) +F(x, y) +f = 0. A
seguir mostramos exemplos de c onicas em sua forma reduzida.
Exemplo 2.10.
x
2
a
2
+
y
2
b
2
= 1 (elipse),
x
2
a
2

y
2
b
2
= 1 (hiperbole), x
2
dx = 0 (par abola).
No caso da elipse e da hiperbole, impomos que a e b sejam nao nulos. No caso da par abola,
a imposic ao e que d seja nao zero.
Podemos ainda ter casos degenerados, como o exemplo a seguir nos mostra.
Exemplo 2.11. O caso da hiperbole degenerada e dado, para a e b nao nulos, por
(x
2
/a
2
) (y
2
/b
2
) = 0, o que implica em y = bx/a.
No caso da par abola degenerada, para a ,= 0, temos ax
2
f = 0, e portanto x =
_
f/a.
Elipses degeneradas sao dadas por ax
2
+ by
2
= 0, com a e b positivos. Logo x = y = 0 e
o unico ponto da c onica.
Finalmente, temos c onicas dadas por conjuntos vazios (elipses e par abolas degeneradas),
se ax
2
+by
2
+ r
2
= 0 e r ,= 0, a 0 e b 0, e a ou b sao nao nulos.
Como dissemos, todos os exemplo acima estao em sua forma reduzida, mas este nao e a
forma mais geral possvel. Porem, todas as c onicas podem ser reescritas em forma reduzida
apos mudancas de coordenadas. Veja o exemplo abaixo.
2.7. C

ONICAS NO PLANO 11
Exemplo 2.12. (Boldrini) Seja a c onica dada por 2x
2
+2y
2
+4xy+4

2x+12

2y8 = 0.
Para reescreve-la na forma reduzida, seguimos os passos abaixo.
Passo i: reescrever a c onica em forma matricial:
_
x y

A
_
x
y
_
+
_
4

2 12

_
x
y
_
8 = 0, onde A =
_
2 2
2 2
_
.
Passo ii: diagonalizar a matriz A. Primeiro vemos que A tem como autovalores
1
= 0 e

2
= 4 e os correspondentes autovetores
v
1
=

2
2
_
1
1
_
, v
2
=

2
2
_
1
1
_
.
Note que se denirmos a matriz M =
_
v
1
v
2

, ent ao M
1
= M e
_
0 0
0 4
_
= M
1
AM = MAM.
Se (x
1
, y
1
) sao as coordenadas de (x, y) na base v
1
, v
2
, i.e., se
x = x
1
v
1
+ y
1
v
2
= M
_
x
1
y
1
_
,
ent ao
Q(x, y) =
_
x y

A
_
x
y
_
=
_
x
1
y
1

M
T
AM
_
x
1
y
1
_
=
_
x
1
y
1

_
0 0
0 4
_ _
x
1
y
1
_
Passo iii: reescrever a parte linear em termos de (x
1
, x
2
). Note que temos
_
4

2 12

_
x
y
_
=
_
4

2 12

M
_
x
1
y
1
_
Passo iv: eliminar as constantes. Note que em termos de (x
1
, x
2
) a c onica e dada por
_
x
1
y
1

_
0 0
0 4
_ _
x
1
y
1
_
+
_
4

2 12

M
_
x
1
y
1
_
8 = 0.
Reescrevendo a express ao acima em sua forma nao matricial, temos que
y
2
1
+ 2x
1
+ 4y
1
2 = 0.
Completando quadrados temos que (y
2
1
+ 4y
1
+ 4) + 2x
1
6 = 0, e portanto
(y
1
+ 2)
2
+ 2(x
1
3) = 0.
Introduzindo novas coordenadas y
2
= y
1
+ 2 e x
2
= x
1
3 obtemos que
y
2
2
+ 2x
2
= 0,
e a c onica e uma par abola.
As contas acima podem ser feitas em geral, como mostra o resultado abaixo.
Teorema 2.7.1. Seja a conica denida por ax
2
+ bxy + cy
2
+ dx + ey + f = 0, i.e.,
_
x y

A
_
x
y
_
+
_
d e

_
x
y
_
+ f = 0, onde A =
_
a b/2
b/2 c
_
,
e sejam
1
e
2
os autovalores de A. Entao
12 2. NO C

OES DE GEOMETRIA ANALTICA

(1) se
1

2
> 0, ent ao a conica e uma elipse
(2) se
1

2
< 0, ent ao a conica e uma hiperbole
(3) se
1

2
= 0, ent ao a conica e uma par abola
Corol ario 2.7.2. Como o sinal de
1

2
e o mesmo de (b
2
4ac), podemos concluir
que
(1) se b
2
4ac < 0, ent ao a c onica e uma elipse
(2) se b
2
4ac > 0, ent ao a c onica e uma hiperbole
(3) se b
2
4ac = 0, ent ao a c onica e uma par abola
2.8. Exerccios
Exerccio 2.1. Ache as coordenadas de um vetor (u
1
, u
2
) qualquer na base exemplo 2.1.
Mostre que sao unicamente determinados por u
1
e u
2
.
Exerccio 2.2. No R
n
, seja B = v
1
, v
2
, . . . , v
n
. Mostre que os vetores de B sao line-
armente independentes se e somente se as coordenadas de todo vetor do R
n
sao unicamente
determinadas.
Exerccio 2.3. Mostre que

|x| |y|

|x y| (isto vale para qualquer norma) e

que |x y|
2
= |x|
2
2x y + |y|
2
(isto vale para qualquer norma que venha de produto
interno) para todo x, y do R
n
.
Exerccio 2.4. Considere uma norma vinda de produto interno. Prove o Teorema de
Pit agoras.
Exerccio 2.5. Mostre que a norma euclidiana, e a norma do exemplo 3.13 sao de fato
normas, segundo a deni c ao 3.6.2.
Exerccio 2.6. Mostre que existe uma constante c R tal que
|x|

|x| c|x|

para todo x R
2
. Mostre que o mesmo vale para vetores do R
n
. Como e que esta constante
depende de n?
Exerccio 2.7. Mostre que o angulo entre a diagonal de um cubo e as suas arestas e
tal que cos = 1/

3.
Exerccio 2.8. Verique que o tr angulo com vertices em (0, 1, ), (1, 1), (2, 0) e re-
t angulo.
Exerccio 2.9. Mostre a lei dos cossenos, que diz que um triangulo com lados de ta-
manho a, b e c, e com os lados de tamanho a e b determinando um angulo , obedecem `a
relac ao:
c
2
= a
2
+b
2
2ab cos
Exerccio 2.10. Seja y vetor nao nulo. Mostre que se z e a projec ao de x em y, i.e.,
z = y e (x z) y = 0, ent ao = x y/|y|
2
e |z| = |x| cos .
Exerccio 2.11. Mostre que a area do paralelograma determinado pelos vetores x e y
e dada por |x y|.
Exerccio 2.12. Usando a nota c ao do Exemplo 2.7, ache a dist ancia entre as duas retas,
com p
1
= (0, 0, 0), d
1
= (1, 0, 1), p
2
= (1, 1, 2) e d
2
= (1, 1, 0).
CAPTULO 3

Algebra Linear
1
Neste captulo trataremos resumidamente de v arias noc oes de algebra linear, como ope-
ra c oes com matrizes, matriz inversa, transposta e adjunta, resoluc ao de sistemas lineares,
determinantes, regra de Cramer, espacos vetoriais e subespacos, base e dimensao, produto
interno, ortogonalidade, projec oes, transformac oes lineares, n ucleo e imagem, matriz de uma
transformac ao linear. Autovalores e autovetores, polinomios caractersticos, operadores dia-
gonalizaveis, operadores auto-adjuntos, operadores ortogonais, e formas bilineares.
3.1. Operacoes com matrizes
Denotaremos por R
mn
o espaco das matrizes reais com m linhas e n colunas. Se A
R
mn
, Denotaremos por A
i,j
o elemento da i-esima linha e j-esima coluna de A. A soma
e multiplicac ao de matrizes e denida da forma usual, isto e, se A, B R
mn
, ent ao C =
A + B R
mn
e dada por C
i,j
= A
i,j
+ B
i,j
. A multiplicac ao para matrizes D R
mn
,
E R
no
, e denida tal que C = AB R
mo
e dada por C
i,j
=

n
k=1
A
i,k
B
k,j
.
Chamaremos de matriz identidade, e denotaremos por I, `a matriz tal que I
i,i
= 1 e
I
i,j
= 0 se i ,= j, para i, j = 1, . . . , n.
3.2. Matriz inversa, transposta e adjunta
Dada A R
nn
, se existir B R
nn
tal que AB = I e BA = I, ent ao dizemos que A e
invertvel e que B e a inversa de A. Escrevemos ainda B = A
1
.
Uma forma de se computar a matriz inversa de A, quando esta existir, e via matriz dos
cofatores. Seja

A
i,j
R
n1n1
obtida de A retirando de A sua i-esima linha e j-esima
coluna. Por exemplo, dada
A =
_
_
1 2 3
4 5 6
7 8 9
_
_
temos que

A
1,1
=
_
5 6
8 9
_
,

A
1,2
=
_
4 6
7 9
_
,

A
1,3
=
_
4 5
7 8
_
,

A
2,1
=
_
2 3
8 9
_
,

A
2,2
=
_
1 3
7 9
_
,

A
2,3
=
_
1 2
7 8
_
,

A
3,1
=
_
2 3
5 6
_
,

A
3,2
=
_
1 3
4 6
_
,

A
3,3
=
_
1 2
4 5
_
.
1

Ultima Atualiza cao: 18/06/2012

13
14 3.

ALGEBRA LINEAR
Denimos R
nn
como sendo a matriz cofator de A, onde
i,j
= (1)
i+j
det

A
i,j
. No
caso do exemplo acima, temos
=
_
_
det

A
1,1
det

A
1,2
det

A
1,3
det

A
2,1
det

A
2,2
det

A
2,3
det

A
3,1
det

A
3,2
det

A
3,3
_
_
=
_
_
3 6 3
6 12 6
3 6 3
_
_
.
Observa c ao. A matriz
T
e tambem chamada de adjunta.

E um pessimo nome, que
provavelmente deriva de uma traduc ao infeliz do ingles adjugate. O termo matriz adjunta e
utilizado mais comumente como sendo simplesmente a transposta de uma matriz (no caso
real). Entretanto, na ANPEC, pode aparecer o termo matrix adjunta para denominar
T
.
Apos o c omputo de temos que se A for invertvel, ent ao
A
1
=

T
det A
.
No exemplo acima temos que det A = 0, e portanto a matriz nao e invertvel. Na verdade
temos o importante resultado que arma que A e invertvel se e somente se seu determinante
e nao nulo.
Note que para conferir se uma matriz e ou nao inversa de outra, basta executar a mul-
tiplicac ao matricial e checar se resulta na matriz identidade. Por exemplo, se A e B sao
invertveis, ent ao (AB)
1
= B
1
A
1
pois
(AB)(B
1
A
1
) = ABB
1
A
1
= AA
1
= I, (B
1
A
1
)(AB) = BAA
1
B
1
= BB
1
= I.
Voltando ao caso geral, dada A R
mn
denimos a matriz transposta de A denotada
por A

(ou A
T
), onde A

i,j
= A
j,i
. Neste caso, as linhas se tornam colunas, e as colunas se
tornam linhas. Note que se A R
mn
e B R
no
, e alem disto, C = AB, ent ao C

= B

pois
C

i,j
= C
j,i
=
n

k=1
A
j,k
B
k,i
=
n

k=1
B

i,k
A

k,j
.
No caso mais geral, considere dois espacos vetoriais V e W, que tenham produtos internos
,
V
e ,
W
, e seja T : V W operador linear. Denimos ent ao a transposta de T como
sendo T

: W V tal que
(3.2.1) v, T

w
V
= Tv, w
W
para todo v V, w W.
Na verdade, na deni c ao acima estamos considerando Espacos de Hilbert, mas isto e outra
conversa. No caso V = W = R
n
com o produto interno usual, se tomarmos v = e
i
e w = e
j
em (3.2.1), temos [T]

i,j
= [T]
j,i
(onde [T] e a representa c ao matricial de T na base canonica).
3.3. Resolu cao de sistemas lineares
Seja A R
mn
e

b R
m
. Queremos descobrir se existe, e neste caso, quem e, x R
n
tal que Ax =

b (chamado de sistema linear). Este problema pode nao ter soluc ao (0x = 1),
ter soluc ao unica (2x = 1), ou ter innitas soluc oes (x + y = 1). Note entretanto que se A
for invertvel, ent ao o sistema tem soluc ao unica dada por x = A
1

b.
3.4. DETERMINANTES E A REGRA DE CRAMER 15
Em c alculos manuais, a melhor forma de se descobrir se um sistema tem soluc ao e
reduzindo-o a uma forma triangular superior, usando a matriz ampliada, como nos mos-
tra o exemplo abaixo [4, pag.33].
Seja
_

_
x
1
+ 4x
2
+ 3x
3
= 1,
2x
1
+ 5x
2
+ 4x
3
= 4,
x
1
3x
2
2x
3
= 5.
Obtemos ent ao a matriz ampliada, que reduzimos a uma forma triangular superior:
_
_
1 4 3 1
2 5 4 4
1 3 2 5
_
_

_
_
1 4 3 1
0 3 2 2
0 7 5 4
_
_

_
_
1 4 3 1
0 3 2 2
0 0 1/3 2/3
_
_
Voltando a forma de equac oes, temos da ultima linha que x
3
= 2. Usando a segunda linha
obtemos x
2
= 2. Finalmente, da primeira linha temos x
1
= 3.
3.4. Determinantes e a regra de Cramer
O determinante e uma func ao R
nn
R tal que se uma matriz A R
nn
e dada
por A = [v
1
. . . v
n
], ent ao det() e a ( unica) forma multilinear alternada denida em
v
1
v
n
det(A) e tal que det(I) = 1. Por multilinear quer-se dizer que e uma func ao
linear em cada uma das colunas de A. Por alternada quer-se dizer que trocando-se duas linhas
de lugar, o determinante e multiplicado por 1, ver [12]. Denotaremos o determinante de A
por det(A) ou [A[.
Uma outra forma de se denir determinantes e usando-se permuta coes. Seja I
n
=
1, . . . , n e : I
n
I
n
uma bije c ao tal que (1, . . . , n) = (
1
, . . . ,
n
) I
n
. Considere
S
n
o conjunto de todas as permuta c oes de I
n
, e denote por sgn() o sinal ou assinatura de
S
n
, i.e., sgn() = 1 se e necess ario um n umero par de inversoes para se obter (
1
, . . . ,
n
)
de (1, . . . , n). Analogamente sgn() = 1 se e necess ario um n umero mpar de inversoes.
Ent ao
det(A) =

Sn
sgn()a
1,
1
. . . a
n,n
.
Como exemplos, note que se n = 2, ha duas permuta coes possveis:
(1, 2) = (1, 2), (1, 2) = (2, 1).
Portanto o determinante de uma matriz A que seja 22 e dado por det(A) = a
1,1
a
2,2
a
1,2
a
2,1
.
Ja uma matriz 3 3 tem como permuta c oes
(1, 2, 3) = (1, 2, 3), (1, 2, 3) = (2, 1, 3), (1, 2, 3) = (1, 3, 2), (1, 2, 3) = (3, 2, 1),
(1, 2, 3) = (3, 1, 2), (1, 2, 3) = (2, 3, 1).
Finalmente, note que sao sempre n! permuta c oes possveis, no caso de matrizes n n.
Algumas propriedades fundamentais de determinantes sao dadas abaixo, supondo-se que
A = [v
1
. . . v
n
]:
(1) Se existir alguma linha ou coluna zero, ent ao o determinante se anula.
(2) det A = det A
T
, portanto propriedades que valem para linhas, valem para colunas.
(3) [v
1
. . . v
j
. . . v
n
[ = [v
1
. . . v
n
[.
16 3.

ALGEBRA LINEAR
(4) [v
1
. . . v
i
. . . v
j
. . . v
n
[ = [v
1
. . . v
j
. . . v
i
. . . v
n
[.
(5) [v
1
. . . v
i
+ w . . . v
n
[ = [v
1
. . . v
i
. . . v
n
[ +[v
1
. . . w . . . v
n
[
(6) det(AB) = det(A) det(B)

E importante notar que det(A + B) ,= det(A) + det(B). O contraexemplo mais simples e

dado por
0 = det
_
0 0
0 0
_
= det
__
1 0
0 1
_
+
_
1 0
0 1
__
,= det
_
1 0
0 1
_
+ det
_
1 0
0 1
_
= 2.
Uma interessante propriedade de determinantes e dada pelo desenvolvimento de Laplace
(ver a nota c ao para

A
i,j
na pagina 13):
(3.4.1) det A = a
1,1
det

A
1,1
a
1,2
det

A
1,2
+ a
1,N
det

A
N,1
= a
1,1

1,1
+a
1,2

1,2
+ + a
1,N

N,1
= a
i,1

i,1
+a
i,2

i,2
+ + a
i,N

N,i
.
Considere agora o sistema linear Ax =

b, onde A R
nn
e invertvel. Ent ao
x = A
1

b =
1
det A
_
_

1,1
. . .
n,1
.
.
.
.
.
.

1,n
. . .
n,n
_
_
_
_
b
1
.
.
.
b
n
_
_
.
Usando (3.4.1) temos que
x
1
=
1
det A
(b
1

1,1
+ +b
n

n,1
) =
1
det A

b
1
a
1,2
a
1,n
.
.
.
.
.
.
.
.
.
.
.
.
b
n
a
n,2
a
n,n

Analogamente,
x
i
=
1
det A

a
1,1
b
1
a
1,n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n,1
b
n
a
n,n

.
para i = 1, . . . , n. Esta identidade e conhecida como Regra de Cramer.
Exemplo 3.1 (Tirado de [4]). Seja o sistema linear dado por Ax =

b, onde
A =
_
_
2 3 7
1 0 3
0 2 1
_
_
,

b =
_
_
1
5
0
_
_
.
Como det A = 1, ent ao, pela Regra de Cramer,
x
1
=
1
det A

1 3 7
5 0 3
0 2 1

= 49, x
2
=

2 1 7
1 5 3
0 0 1

= 9, x
3
=

2 3 1
1 0 5
0 2 0

= 18.
3.5. ESPA COS VETORIAIS, SUBESPA COS, BASE E DIMENS

AO 17
3.5. Espacos vetoriais, subespa cos, base e dimensao
O exemplo mais comum e intuitivo de espaco vetorial e o R
n
, ver Deni c ao 2.0.1. Entre-
tanto, uma deni c ao mais geral e de grande utilidade. A menos que explicitamente mencio-
nado, neste texto nos restringiremos a espacos vetoriais sobre o corpo dos reais.
Defini c ao 3.5.1. Um espaco vetorial V sobre os reais e um conjunto cujos elementos
chamamos de vetores, com duas operacoes bin arias, soma vetorial e multiplicacao por escalar
tais que
(1) x +y = y +x, para todo x, y V
(2) (x +y) +z = y + (x +z), para todo x, y, z V
(3) Existe um elemento 0 V tal que 0 +x = x, para todo x V
(4) Para todo x V , existe um elemento y V tal que y +x =
(5) 1x = x, para todo x V
(6) ( + )x = x + x, para todo , R e para todo x V
(7) (x) = ()x, para todo , R e para todo x V
(8) (x +y) = x + y, para todo R e para todo x, y V
Alguns resultados podem ser obtidos imediatamente:
Lema 3.5.2. Seja V um espaco vetorial sobre os reais. Ent ao temos que
(1) O vetor zero e unico
(2) Todo elemento de x V tem um unico negativo dado por (1)x
(3) 0x = 0 para todo x V
(4) 0 = 0 para todo R
Demonstra c ao. Demonstraremos apenas a primeira armativa. As demais cam como
exerccios. Para demonstrar (1), suponha que 0
1
e 0
2
sejam dois zeros de V . Logo
0
1
= 0
2
+0
1
= 0
1
+0
2
= 0
2
,
onde usamos que a hipotese de que 0
1
e zero e a propriedade (3) da Deni c ao 3.5.1, seguida
da propriedade (1). Na ultima igualdade usamos a hipotese de que 0
1
e zero e novamente a
propriedade (3) da Deni c ao de 3.5.1.
Exemplo 3.2. O espaco das matrizes m n reais denotado por R
mn
e um espaco
vetorial com a deni c ao usual de soma de matrizes e multiplicac ao por escalar.
Exemplo 3.3. O espaco F das func oes de R em R, com as opera c oes
(u +v)(x) = u(x) + v(x) para todo x R e todas u, v F,
(u)(x) = u(x) para todo x R, toda u F e todo R,
e espaco vetorial, ver Exerccio 3.1.
3.5.1. Subespa co vetorial. Seja V um espaco vetorial e W V . Ent ao dizemos que
W e subespaco vetorial de V se W for tambem um espaco vetorial. Para que isto aconte ca,
basta que
(1) W ,=
(2) se u, v W, ent ao u +v W
(3) se R e u W, ent ao u W
18 3.

ALGEBRA LINEAR
Note se W e subespaco de V , ent ao o vetor nulo 0 W pois como W e nao vazio, ent ao
existe algum u W. Mas ent ao 0 = 0u W, por causa de (3).
**** por gura mostrando subespaco vetorial e nao subespaco vetorial *****
Exemplo 3.4. Note que (0, y, z) : y, z R e subespaco vetorial do R
3
, mas que
(0, y, z) R
3
: y 0, z 0 nao o e.
Exemplo 3.5. O espaco das matrizes diagonais nn e subespaco do espaco vetorial das
matrizes n n.
Exemplo 3.6. O espaco dos polinomios quadr aticos e subespaco vetorial do espaco das
func oes.
Exemplo 3.7. Se V e espaco vetorial e v
1
, . . . , v
k
V , ent ao
spanv
1
, . . . , v
n

def
=
1
v
1
+ +
k
v
k
:
1
, . . .
k
R
e subespaco vetorial de V . Chamamos o termo
1
v
1
+ +
k
v
k
de combinacao linear de
v
1
, . . . , v
k
.
Os pr oximos resultados respondem `a pergunta natural: interse c oes e uni oes de subespacos
sao ainda subespacos?
Lema 3.5.3. Sejam W
1
e W
2
subespacos vetoriais de um espaco vetorial V . Ent ao W
1
W
2
e subespaco vetorial de V .
Demonstra c ao. Como W
1
e W
2
sao ambos subespacos, ent ao 0 W
1
e 0 W
2
. Logo
0 W
1
W
2
e ent ao W
1
W
2
,= .
Alem disto, se u, v W
1
W
2
, ent ao u, v W
1
e u, v W
2
. Logo, pela propriedade
(2) de subespacos vetoriais, u +v W
1
e u +v W
2
. Mas ent ao u +v W
1
W
2
.
Da mesma forma, se R e u W
1
W
2
, ent ao, pela propriedade (3) de subespacos
vetoriais, u W
1
e u W
2
. Logo u W
1
W
2
.
Como podemos ver no exemplo a seguir, a uni ao de subespacos vetoriais n ao e subespaco
vetorial.
Exemplo 3.8. Sejam A
1
= (x, 0) : x R e A
2
= (0, x) : x R subespacos de
R
2
. Seja A = A
1
A
2
= (x, y) : x = 0 ou y = 0. Logo (1, 0) A e (0, 1) A, mas
(1, 0) + (0, 1) = (1, 1) / A.
Apesar da uni ao nao ser necessariamente subespacos, ha uma forma de se juntar su-
bespacos vetoriais e obter outro subespaco, como vemos no resultado a seguir.
Lema 3.5.4. Sejam W
1
e W
2
subespacos vetoriais de um espaco vetorial V . Seja o
conjunto
W
1
+ W
2
def
= w
1
+w
2
: w
1
W
1
e w
2
W
2
.
Ent ao W
1
+ W
2
e subespaco vetorial de V .
3.5. ESPA COS VETORIAIS, SUBESPA COS, BASE E DIMENS

AO 19
Demonstra c ao. Note que 0 W
1
+ W
2
, logo W
1
+ W
2
,= . Sejam agora u, v
W
1
+W
2
. Logo existem u
1
W
1
e u
2
W
2
tais que u = u
1
+u
2
, pela deni c ao de W
1
+W
2
.
Da mesma forma, existem v
1
W
1
e v
2
W
2
tais que v = v
1
+v
2
. Mas ent ao
u +v = u
1
+u
2
+v
1
+v
2
= (u
1
+v
1
) + (u
2
+v
2
)
e a soma de um vetor de W
1
, dado por u
1
+ v
1
, com outro de W
2
, dado por u
2
+ v
2
. Logo
u +v W
1
+ W
2
.
Analogamente, se R e u W
1
+ W
2
, ent ao existem u
1
W
1
e u
2
W
2
tais que
u = u
1
+u
2
. Mas ent ao
u = (u
1
+u
2
) = u
1
+ u
2
e a soma de um vetor de W
1
com outro de W
2
. Logo u W
1
+W
2
.
Observa c ao. Algumas observac oes quanto a soma de espacos. A primeira e que W
1
+W
2
e apenas uma nota c ao, anal soma de conjuntos nao e uma opera c ao que faca sentido em
geral. A segunda observac ao diz respeito ao importante caso W
1
W
2
= . Neste caso
dizemos que a soma e direta e a representamos por W
1
W
2
. Note que podemos extender a
noc ao de soma direta para mais que dois espacos, como em W
1
W
2
W
N
. Note que
R
n
= R R R e a soma direta do R repetida n vezes.
3.5.2. Base e dimensao. Sejam v
1
, . . . , v
k
vetores de um espaco vetorial V . Se

1
v
1
+ +
k
v
k
= 0 =
1
= =
k
= 0
ent ao dizemos que v
1
, . . . , v
k
sao linearmente independentes, ou L.I.. Vetores que nao sao
L.I. sao chamados de L.D., ou linearmente dependentes. Outra forma de dizer que v
1
, . . . , v
k
sao L.D. e quando existirem escalares
1
, . . . ,
k
, nem todos nulos e tais que

1
v
1
+ +
k
v
k
= 0.
Com o conceito de independencia linear, podemos denir o que e uma base de um espaco
vetorial. Dado um espaco V , dizemos que v
1
, . . . , v
n
V e base de V se
(1) spanv
1
, . . . , v
n
= V
(2) v
1
, . . . , v
n
e L.I.
Observa c ao. Trataremos aqui sempre de espacos vetoriais de dimensao nita, e isto
quer dizer que existe uma base nita para os espacos.
A seguir enunciamos alguns resultados sobre bases.
Teorema 3.5.5. Se V = spanv
1
, . . . , v
n
, ent ao e sempre possvel extrair uma base de
v
1
, . . . , v
n
.
Teorema 3.5.6. Se V = spanv
1
, . . . , v
n
ent ao o conjunto w
1
, . . . , w
m
e L.D. sempre
que m > n.
Corol ario 3.5.7. Qualquer base de V tem sempre o mesmo n umero de elementos.
O corolario acima tem grande import ancia pois nos diz que existe um n umero inerente
a V , que nao depende da escolha da base. A este n umero chamamos de dimens ao de V , ou
dimV .
Teorema 3.5.8. Qualquer conjunto L.I. de vetores pode ser completado a m de formar
uma base.
20 3.

ALGEBRA LINEAR
Corol ario 3.5.9. Se dimV = n, qualquer conjunto L.I. com n vetores e base.
Teorema 3.5.10. Sejam W
1
e W
2
subespacos de V . Entao
dim(W
1
+W
2
) = dimW
1
+ dimW
2
dim(W
1
W
2
).
Pelo resultado acima, se a soma e direta, ent ao dim(W
1
W
2
) = dimW
1
+ dimW
2
.
Teorema 3.5.11. Seja v
1
, . . . , v
n
base de V . Entao todo vetor de V pode ser escrito
de forma unica como combinacao linear de v
1
, . . . , v
n
.
Observa c ao. Caros alunos: rever mudanca de bases!
3.6. Produto interno, ortogonalidade e projecoes
Duas importantes ferramentas matem aticas quando se trabalha em espacos vetoriais sao
produtos internos e normas.
Defini c ao 3.6.1. Seja V espaco vetorial sobre os reais. Um produto interno e uma
fun cao de V V R, denotado por x, y x y e tal que
(1) x x > 0 para todo x V com x ,= 0
(2) x y = y x para todo x, y V
(3) (x) y = (x y) para todo R e todo x, y V
(4) (x +y) z = x z +y z para todo x, y, z V
Outra notacao usual para produtos internos e , .
Note que da deni c ao acima conclumos imediatamente que para todo x V ,
0 x = (00) x = 0(0 x) = 0.
Exemplo 3.9. Em R
2
, se x = (x
1
, x
2
), e y = (y
1
, y
2
), o produto interno canonico e dado
por
x y = x
T
y = x
1
y
1
+ x
2
y
2
.
Em R
n
, para x = (x
1
, . . . , x
n
), e y = (y
1
, . . . , y
n
), denimos
x y = x
T
y = x
1
y
1
+ + x
n
y
n
.
Exemplo 3.10. Em R
2
, a opera c ao
(x
1
, x
2
) (y
1
, y
2
) =
_
x
1
x
2
_
_
2 1
1 4
__
y
1
y
2
_
= 2x
1
y
1
x
1
y
2
x
2
y
1
+ 4x
2
y
2
dene um produto interno. De fato, a primeira propriedade (positividade) e verdadeira pois
(x
1
, x
2
) (x
1
, x
2
) = 2x
2
1
2x
1
x
2
+ 4x
2
2
= 2[(x
1
x
2
/2)
2
+ 7x
2
2
/4] > 0,
se (x
1
, x
2
) ,= (0, 0). As outras propriedades do produto interno sao mais faceis de serem
checadas.
Exemplo 3.11. Considere o espaco vetorial das func oes contnuas em [0, 1], com as
opera c oes de multiplicac ao por escalar e soma como no Exemplo 3.3. Ent ao a opera c ao dada
pela integral de Riemann
f g =
_
1
0
f(x)g(x) dx
dene um produto interno deste espaco.
3.6. PRODUTO INTERNO, ORTOGONALIDADE E PROJE C

OES 21
Figura 1. Conjunto x R
2
: |x| = 1.
Figura 2. Conjunto x R
2
: |x|

= 1
Introduzimos agora a noc ao de norma. Num espaco vetorial, uma boa forma de se medir
dist ancias entre vetores e atraves de normas. Em particular, o conceito normas ajuda na
deni c ao canonica de conjuntos abertos e fechados, como veremos a seguir.
Defini c ao 3.6.2. Dado um espaco vetorial V , uma norma e uma fun cao de V em R,
denotada por x |x|, e tal que
(1) |x +y| |x| +|y| para todo x, y V (desigualdade triangular)
(2) |x| = [[|x| para todo x V , e para todo R
(3) |x| > 0 para todo x V tal que x ,= 0
Quando um espaco vetorial V tem uma norma associada, dizemos que e um espaco
normado.
Exemplo 3.12. Em R
2
,
|(x
1
, x
2
)| =
_
x
2
1
+ x
2
2
dene uma norma. Na Figura 1 temos que o conjunto de pontos x tais que |x| = 1 e dado
por um crculo. No caso mais geral, em R
n
,
|(x
1
, . . . , x
n
)| =
_
x
2
1
+ +x
2
n
tambem dene uma norma.
Exemplo 3.13. Outra norma em R
n
e dada por
|(x
1
, . . . , x
n
)|

= max
1jn
[x
j
[.
Na Figura 2 vemos que o conjunto de pontos x tais que |x|

= 1 e dado por um quadrado.

Compare com a Figura 1.
O resultado abaixo e importante pois mostra que todo produto interno induz uma norma.
Teorema 3.6.3. Seja V um espaco vetorial com produto interno. Entao
|x| =

x x
dene uma norma em V . Alem disto, vale a desigualdade de Cauchy-Schwartz
(3.6.1) [x y[ |x||y| para todo x, y V.
22 3.

ALGEBRA LINEAR
Demonstra c ao. Como o produto interno garante que sempre teremos xx 0, ent ao a
opera c ao acima esta bem denida. Mostraremos primeiro (3.6.1). Seja z = x(x y)y/|y|
2
.
Ent ao
z y = x y
x y
|y|
2
y y = 0,
e
0 |z|
2
= z z = z x = x x
x y
|y|
2
x y.
Logo
(x y)
2
|x|
2
|y|
2
,
e (3.6.1) vale.
Para mostrar a propriedade (1) da deni c ao de norma, note que
|x+y|
2
= (x+y) (x+y) = x x+2x y+y y |x|
2
+2|x||y| +|y|
2
= (|x| +|y|)
2
,
e assim temos (1). As propriedade (2) e (3) seguem-se imediatamente da deni c ao e das
propriedades do produto interno.
Observa c ao. Note pela demonstrac ao acima que a igualdade [x y[ = |x||y| vale se
e somente se x = y para algum R. Ver exerccio 3.3.
Bem como no caso do R
n
, ver (2.2.3), podemos denir cossenos de angulos entre dois
vetores nao nulos x e y V por
(3.6.2) cos =
x y
|x||y|
,
que toma valores entre 1 e 1 devido `a desigualdade de Cauchy-Schwartz (3.6.1). Dizemos
tambem que x, y sao ortogonais, ou perpendiculares, se x y = 0.
Outra generaliza c ao interessante e dada por projec oes. Dados u e v V nao nulos,
chamamos w de projecao ortogonal (ou simplesmente de projecao) de u em v se
(1) w = v para algum R
(2) (u w) v = 0
Note que para w car bem denido, basta calcular . Mas note que de (1) e (2), temos que
(u v) v = 0, e portanto v v = u v. Como v e nao nulo,
=
u v
|v|
2
=
|u| cos
|v|
, w =
|u| cos
|v|
v.
onde cos e como em (3.6.2). A norma de w e dada por |w| = |u| cos .
3.7. Transformacoes lineares, n ucleo, imagem e representa coes matriciais
Dados dois espacos vetoriais V
1
e V
2
, dizemos que uma func ao T : V
1
V
2
e uma fun cao,
transformacao ou aplicacao linear se
T(x + y) = T(x) + T(y) para todo x, y V
1
e todo R.
Note que em particular, para toda aplicac ao linear linear temos T(0) = 0, pois
T(0) = T(00) = 0T(0) = 0.
3.7. TRANSFORMA C

OES LINEARES, ETC. 23

Seja /(V, W) o espaco das aplicac oes lineares T : V W para as quais existe M R
tal que
|Tx|
W
M|x|
V
,
Neste caso dizemos que T e limitada. Se V e W forem de dimensao nita, ent ao toda
transformac ao linear e limitada, ver exerccio 3.5.

E possvel denir opera c oes canonicas de
multiplicac ao por escalar e soma em /(V, W) de tal forma que este seja um espaco vetorial,
ver exerccio 3.2.
O exemplo principal de transformac ao linear em espacos de dimensoes nitas e dado
por multiplicac ao de matrizes. De fato, seja T : R
m
R
n
denida por T(u) = Au, onde
A R
nm
. Ent ao T e linear pois T(u + v) = A(u + v) = Au + Av = T(u) + T(v).
Observe que para denir uma aplicac ao linear qualquer T : R
m
R
n
, basta deni-
la numa base v
1
, . . . , v
n
do R
m
, i.e., basta conhecer T(v
1
), . . . , T(v
n
). De fato, se x =

1
v
1
+ +
n
v
n
, ent ao
T(x) = T(
1
v
1
+ +
n
v
n
) =
1
T(v
1
) + +
n
T(v
n
).
Num certo sentido, todas as transformac oes lineares em espacoes de dimensoes nitas
sao dadas por matrizes. De forma mais precisa, seja v
1
, . . . , v
m
base de V e w
1
, . . . , w
n

base de W. Ent ao, se x V e dado por x =

1
v
1
+ +
m
v
m
, ent ao
T(x) =
1
T(v
1
) + +
m
T(v
m
).
Seja A
j,i
a j-esima coordenada de T(v
i
) na base w
1
, . . . , w
n
, i.e.,
(3.7.1) T(v
i
) = A
1,i
w
1
+ + A
n,i
w
n
.
Logo
T(x) =
1
(A
1,1
w
1
+ + A
n,1
w
n
) + +
m
(A
1,m
w
1
+ + A
n,m
w
n
)
= (
1
A
1,1
+ +
m
A
1,m
)w
1
+ + (
1
A
n,1
+ +
m
A
n,m
)w
n
=
1
w
1
+ +
n
w
n
,
onde
(3.7.2)
_
_

1
.
.
.

n
_
_
=
_
_
A
1,1
A
1,m
.
.
.
.
.
.
A
n,1
A
n,m
_
_
_
_

1
.
.
.

m
_
_
.
Se w = T(u), ent ao a matriz A R
nm
com coecientes A
i,j
mapeia as coordenadas de
u nas coordenadas de v. Note que a matriz A depende fortemente das bases de V e W.
Dizemos que A e a representa c ao de ou matriz associada a T nas bases 1 = v
1
, . . . , v
n
e
J = w
1
, . . . , w
n
. Por vezes, esta representa c ao e tambem escrita como [T]
V
W
.
Um exemplo importante e quando as bases sao canonicas. Neste caso, basta ver de (3.7.1)
que A
j,i
e dada pela j-esima coordenada de T(e
i
).
Dois importantes conjuntos relacionados a uma aplicac ao linear T : V W sao seu
n ucleo e sua imagem, dados por
N(T) = v V : T(v) = 0 V, Im(T) = T(v) : v V W.
O n ucleo recebe tambem a nota c ao ker(T), do ingles kernel, e a imagem de V por T tambem
recebe a nota c ao T(V ) ou R(T) (do ingles range).

E importante notar que tanto o n ucleo
24 3.

ALGEBRA LINEAR
como a imagem de uma transformac ao linear sao espacos vetoriais. Para tal, basta checar
que estes sao subespacos de V e W respectivamente. Ver exerccio 3.6.
Se Im(V ) = W dizemos que T e sobrejetora. Se
T(u) = T(v) = u = v,
ent ao dizemos que T e injetora, ou 1 1. Temos tambem o seguinte resultado.
Teorema 3.7.1. N(T) = 0 se e somente se T e injetiva.
Demonstra c ao. ( = ) Suponha que N(T) = 0. Sejam u, v V tais que T(u) =
T(v). Ent ao T(u v) = 0 e portanto u v = 0. Logo T e injetiva.
(=) Suponha T injetora e T(u) = 0. Ent ao T(u) = 0 = T(0). Como T e injetora,
ent ao u = 0.
Temos a seguir um importante resultado.
Teorema 3.7.2 (Teorema do n ucleo e da imagem). dimN(T) + dimIm(V ) = dimV .
Corol ario 3.7.3. Seja dimV = dimW. Ent ao T e injetora se e somente se T e sobre-
jetora.
Corol ario 3.7.4. Se T e injetora ent ao T leva vetores LI em vetores LI. E se dimW =
dimV , ent ao T leva base em base.
Note que ha relac ao entre as dimensoes do n ucleo e imagem de uma transformac ao linear
T e o posto e nulidade da matriz que representa esta transformac ao (em quaisquer bases):
dimIm(T) = posto([T]
V
W
), dimN(T) = nulidade de ([T]
V
W
).
Note que pelo Teorema 3.7.2 que
dimN(T) = nulidade de ([T]
V
W
) = n umero de colunas de [T]
V
W
posto([T]
V
W
).
3.8. Autovalores, polin omios caractersticos e operadores diagonalizaveis
Nesta sec ao falaremos sobre autovalores, autovetores, e suas propriedades. Por absoluta
falta de espaco/tempo, nao faremos contas, mas a forte recomendac ao para quem tem di-
culdades ou nao se lembra direito como se calcula autovalores, e autovetores e que olhe, por
exemplo, o livro [4].
3.8.1. Autovalores, autovetores e polin omios caractersticos. Seja T : V V
transformac ao linear. Dizemos que C e um autovalor de T se existe vetor nao nulo,
chamado de autovetor, v V tal que Tv = v. Chamamos ainda (, v) de autopar.
Seja autovalor de T. Ent ao o conjunto
E

= v V : Tv = v
e um subespaco vetorial de V , chamado autoespaco de . Ver Exerccio 3.7.
Suponha agora um operador linear dado por uma matriz A R
nn
, denindo a aplicac ao
linear x Ax. Para achar autovalores e autovalores de A, basta achar soluc oes nao triviais,
i.e., nao nulas, para o sistema (A I)x =

0. Isto so sera possvel de det(A I) = 0.
Note que det(AI) e um polinomio em termos de , ao qual damos o nome de polin omio
caracterstico, e denotamos por P(). O problema de achar autovalores resume-se ent ao
3.8. AUTOVALORES, ETC. 25
ao problema de encontrar as razes de P(). Isto e sempre possvel, segundo o teorema
fundamental da

Algebra, desde que admita-se autovalores complexos.
Depois de encontrado um autovalor , pode-se encontrar os autovetores correspondentes
resolvendo-se (A I)x =

0. Note que este sistema sempre tem soluc oes nao triviais, ja
que A I nao e invertvel, ver o exerccio 3.8.
Vamos agora, nos exemplos abaixo, ver o conceito de multiplicidade algebrica e geome-
trica.
Exemplo 3.14. Seja A = 2I. Ent ao, se for autovalor, temos que det(2I I) = 0, i.e.,
( 2)
2
= 0. Logo = 2 e o unico autovalor. Como autovetores temos que (2I I)x =

0,
ou seja, 0x =

0. Portanto todo x R
2
e autovetor, e neste caso, o autoespaco tem dimensao
dois. Dizemos que tem multiplicidade algebrica dois, e multiplicidade geometrica dois.
Exemplo 3.15. Seja agora a matriz
B =
_
2 1
0 2
_
.
O polinomio caracterstico e dado por P() = (2)
2
, o mesmo do exemplo 3.14, e portanto
= 2 e o unico autovalor. Entretanto ao calcular os autovetores vemos que se (B2I)x =

0,
ent ao
_
0 1
0 0
_ _
x
1
x
2
_
=
_
0
0
_
.
Logo x
2
= 0, e os autovetores sao m ultiplos de [1, 0]
T
. Dizemos ent ao que tem multiplici-
dade algebrica dois, e multiplicidade geometrica um.
3.8.2. Operadores diagonalizaveis. Seja T : V V operador linear e V espaco
vetorial de dimensao nita. Uma caracterstica interessante de autovalores e que, quando
estes formam uma base de V , a matriz que representa T e diagonal. De fato, observe
em (3.7.1) que se v
i
e autovetor, ent ao
T(v
i
) = v
i
,
onde tomamos w
j
= v
j
para todo j. Conclua ent ao que a matriz A em (3.7.2) e diagonal.
Como e bastante conveniente representar um operador por uma matriz diagonal, e natural
perguntar se, dado um operador linear, ele e diagonalizavel, i.e., se existe uma base tal que
sua representa c ao nesta base e uma matriz diagonal. De forma mais simples, dizemos que
um operador T : V V e diagonalizavel se existe uma base de V formada por autovetores.
Isto nao sera sempre possvel, como pode ser visto no exemplo 3.15.
O resultado abaixo e importante para garantir tal base. Ele garante que autovetores
correspondentes a autovetores distintos sao LI.
Teorema 3.8.1. Sejam
1
, . . . ,
k
autovalores distintos de T. Entao os correspondentes
autovetores v
1
, . . . , v
k
s ao LI.
Demonstra c ao. Suponha que
1
v
1
+ +
k
v
k
= 0. Para mostrar que estes vetores
sao LI, temos que mostrar que
k
= =
1
= 0. Aplicando T
1
I `a combinac ao linear
acima, obtemos

1
(
1

1
)v
1
+
2
(
2

1
)v
2
+ +
k
(
k

1
)v
k
= 0,
26 3.

ALGEBRA LINEAR
e portanto
2
(
2

1
)v
2
+ +
k
(
k

1
)v
k
= 0. Aplicamos agora T
2
I e obtemos

2
(
2

1
)(
2

2
)v
2
+
3
(
3

1
)(
3

2
)v
3
+ +
k
(
k

1
)(
k

2
)v
k
= 0,
e obtemos que
3
(
3

1
)(
3

2
)v
3
+ +
k
(
k

1
)(
k

2
)v
k
= 0. Procedendo desta
forma, aplicando T
3
I, . . . , T
k1
I temos que

k
(
k

1
)(
k

2
) . . . (
k

k1
)v
k
= 0.
Como os autovalores
1
, . . . ,
k
sao distintos entre si, obtemos que
k
= 0. Voltando os
passos anteriores, e possvel ver que
k1
= =
1
= 0.
Corol ario 3.8.2. Se uma transformac ao linear em espacos de dimensao n tiver n auto-
valores distintos, ent ao existe uma base formada por autovetores.
Outra forma de se denir matrizes diagonalizaveis, e exigir que sejam similares a uma
matriz diagonal. Dizemos que duas matrizes A e B sao similares se existe uma matriz
P invertvel tal que B = P
1
AP. O resultado abaixo trata de propriedades de matrizes
similares.
Teorema 3.8.3. Matrizes similares tem o mesmo determinante, mesmo traco, mesmo
polin omio caracterstico, e mesmos autovalores.
Outro resultado interessante e que similaridade forma uma relac ao de equivalencia, ver
exerccio 3.10.
Note que se a matriz A e diagonalizavel e D = P
1
AP e diagonal, ent ao as colunas de
P sao exatamente os autovetores de A. Para ver isto, suponha que
D =
_

1
0 0 0
0
2
0 0
.
.
.
.
.
.
.
.
.
0 0 0
n
_

_
= P
1
AP,
onde P = [v
1
. . . v
n
]. Ent ao PD = AP e
i
v
i
= Av
i
.
3.9. Operadores auto-adjuntos, operadores ortogonais
Na sec ao anterior, pouco pudemos dizer a respeito de que matrizes sao diagonalizaveis
ou nao. Em casos especiais e possvel conseguir resultados mais interessantes.
Dizemos que uma transformac ao linear T e auto-adjunta ou simetrica se T

= T. Uma
deni c ao equivalente em espacos com produto interno V e dizer que Tu, v = u, Tv para
todo u, v V .
Caso T
1
= T

, dizemos que T e ortogonal. A mesma deni c ao e terminologia e empre-

gada no caso de matrizes.
Um exemplo de matriz ortogonal e simetrica e a identidade, e de ortogonal e nao simetrica
e
_
cos sin
sin cos
_
,
se ,= k.
Note que se A e ortogonal, ent ao
(det A)
2
= det Adet A

= det(AA

) = det I = 1,
3.10. FORMAS LINEARES E BILINEARES 27
e portanto det A = 1.
Segue-se imediatamente da deni c ao de matrizes ortogonais, que os seus vetores colunas
e vetores linhas sao ortonormais (ou seja, sao ortogonais entre si e todos tem norma um).
Outro resultado importante para operadores auto-adjuntos vem abaixo.
Teorema 3.9.1. Seja T : V V auto-adjunto, e
1
, v
1
e
2
, v
2
autovalores e autove-
tores de T. Se
1
,=
2
ent ao v
1
e v
2
s ao ortogonais: v
1
v
2
= 0.
Demonstra c ao. Note que

1
v
1
v
2
= (Tv
1
) v
2
= v
1
(Tv
2
) =
2
v
1
v
2
.
Logo (
1

2
)v
1
v
2
= 0. Como
1
,=
2
ent ao v
1
v
2
= 0.
Uma importante propriedade de operadores auto-adjuntos e dada pelo resultado a seguir.
Teorema 3.9.2. Seja T : V V auto-adjunto. Entao existe uma base ortonormal de v
formada por autovalores de T.
Note que o resultado acima n ao diz que toda base de autovalores de operadores auto-
adjuntos e ortonormal, apenas que existe uma base ortonormal. De fato, por exemplo, para
a matriz identidade n-dimensional, todo vetor de R
n
e autovetor. Entretanto nem toda base
do e R
n
ortonormal.
Finalmente, o resultado abaixo serve para caracterizar quais matrizes sao ortogonais.
Teorema 3.9.3. Seja T : V V . Entao as armativas abaixo s ao equivalentes.
(1) T e ortogonal
(2) T leva bases ortogonais em bases ortogonais
(3) T preserva produtos internos, i.e., Tu, Tv = u, v, para todo u, v V .
(4) T preserva normas, i.e., |Tu| = |Tu| para todo u V .
3.10. Formas lineares e bilineares
Uma forma linear denida um espaco vetorial V e simplesmente um operador linear
F : V R. Note que se v
1
, . . . , v
n
e base de V , ent ao
F(v) = F(
1
v
1
+ +
n
v
n
) =
1
F(v
1
) + +
n
F(v
n
) =
_
F(v
1
) . . . F(v
n
)

_
_

1
.
.
.

n
_
_
,
ou seja, dada uma base, a forma F num vetor v pode ser caracterizada simplesmente como o
produto interno do vetor formado pelos valores de F nos vetores da base com as coordenadas
de v na base.
Uma forma bilinear B e um operador denido em V V e tomando valores em R, e que
seja linear em cada um dos argumentos, i.e.,
V : V V R
(x, y) R,
onde B(x + y, z) = B(x, z) + B(y, z) e B(x, y + z) = B(x, y) + B(x, z), para todo
x, y, z V e R. Se B(x, y) = B(y, x) para todo x, y V , dizemos que a forma B e
simetrica.
28 3.

ALGEBRA LINEAR
Dada uma matriz A R
nn
, o exemplo usual de forma bilinear e defnido por (x, y)
x Ay. Se A for simetrica, esta forma assim denida sera simetrica.
Finalmente, assim como no caso de formas bilineares, se v
1
, . . . , v
n
e base de V , ent ao
B(u, v) =
_
u
1
. . . u
n

_
_
B(v
1
, v
1
) B(v
1
, v
n
)
.
.
.
.
.
.
B(v
n
, v
1
) B(v
n
, v
n
)
_
_
_
_
v
1
.
.
.
v
n
_
_
,
onde u = u
1
v
1
+ + u
n
v
n
e v = v
1
v
1
+ + v
n
v
n
.
3.11. Exerccios
Exerccio 3.1. Mostre que o espaco das func oes, denido no Exemplo 3.3 e de fato um
espaco vetorial.
Exerccio 3.2. Dena opera c oes de multiplicac ao por escalar e soma em /(V
1
, V
2
), tais
que este seja um espaco vetorial com estas opera c oes.
Exerccio 3.3. Dado um espaco vetorial com produto interno x y e norma |x| =
(x x)
1/2
, mostre que [x y[ = |x||y| se e somente se x = y para algum R.
Exerccio 3.4. Seja V espaco vetorial normado e de dimensao nita. Seja v
1
, . . . , v
n

base de V , e =
_

1
, . . . ,
n

T
o vetor formado pelas coordenadas de v V nesta base.
Mostre que existem constantes c
0
, c
1
, que dependem da base mas nao de v tais que
c
0
||
R
n |v|
V
c
1
||
R
n.
Acima, | |
R
n denota a norma canonica do R
n
.
Exerccio 3.5. Mostre que se V e W forem espacos vetoriais de dimensao nita, ent ao
toda transformac ao linear T : V W e limitada.
Exerccio 3.6. Sejam V e W espacos vetoriais, e T : V W aplicac ao linear. Mostre
que N(T) e Im(V ) sao subespacos vetoriais de V e W respectivamente.
Exerccio 3.7. Seja T : V W operador linear e autovalor de T. Mostre que
v V : Tv = v e um subespaco vetorial de V .
Exerccio 3.8. Seja A R
nn
, e autovalor de A. Mostre que o sistema (AI)x =

0
sempre tem soluc oes nao triviais.
Exerccio 3.9. Faca os detalhes da demonstrac ao do teorema 3.8.1 no caso k = 3.
Exerccio 3.10. Mostre que similaridade forma uma relac ao de equivalencia.
CAPTULO 4
Limites de funcoes
1
A m de discutirmos a noc ao de continuidade de fun coes, precisamos entender limites de
fun coes. Este conceito sera importante quando falarmos em derivac ao. Antes entretanto de
denirmos limites de func oes, daremos algumas deni c oes basicas relacionadas aos n umeros
reais.
4.1. Deni coes basicas envolvendo funcoes
Um dos conceitos mais importantes em Matem atica e o de func oes. Apesar de termos
apresentado na pagina 3 uma deni c ao de func ao como um caso particular de relac ao entre
conjuntos, a descri c ao mais usual e dizer que uma func ao e uma regra que associa elemen-
tos enter dois conjuntos de uma forma especca. Para nossos propositos entretanto, esta
deni c ao bastara.
Sendo mais especco, considere A e B dois conjuntos, e uma func ao denominada f entre
A e B. Ent ao f e uma regra que associa a cada elemento x A, um elemento f(x) B.
Chamamos o conjunto A de domnio da func ao f e o denotamos por D(f). Chamamos o
conjunto B de contradomnio da func ao f. Escrevemos f : A B, ou ainda
f : A B
x f(x).
Se E A, chamamos de imagem de E ao conjunto
f(E) = f(x) : x E.
Similarmente, se H B, chamamos de imagem inversa de H o conjunto
f
1
(H) = x : f(x) H.
dizemos que f e sobrejetiva (ou simplesmente, sobre) se f(A) = B, i.e., se para todo
y B existe x A tal que f(x) = y.
Dizemos que f e injetiva (ou biunvoca ou um a um ou 1-1) quando, para a, a

no domnio
da f,
f(a) = f(a

) = a = a

.
Outra forma de se denir injetividade e quando
a ,= a

= f(a) ,= f(a

).
Se f e injetiva e sobre, a chamamos de bijetiva ou de uma bije cao.
Dizemos que g : B A e fun cao inversa de f se
g(f(x)) = x para todo x A, f(g(y)) = y para todo y B.
1

Ultima Atualiza cao: 02/07/2012

29
30 4. LIMITES DE FUN C

OES
Quando esta existir, denotamos a inversa de f por f
1
. Note que uma func ao tem inversa
se e somente se e sobrejetiva e injetiva, ver problema 4.1. Portanto, se f : A B e injetiva,
ent ao restringindo o contradomnio B `a imagem de A por f, teremos f sobrejetiva. Em
outras palavras, seja f : A f(A). Ent ao f e claramente sobre. Se for tambem injetiva,
haver a a inversa f
1
: f(A) A.
Exemplo 4.1. Seja f : (0, 1) R dada por f(x) = x
2
+1. Ent ao f nao tem inversa pois,
apesar de ser injetiva, nao e sobrejetiva. Mas como f
_
(0, 1)
_
= (1, 2), ent ao se denirmos
f : (0, 1) (1, 2)
x x
2
,
ent ao teremos f sobrejetiva. Logo existe a inversa f
1
: (1, 2) (0, 1).
Observa c ao. Note que a deni c ao de imagem inversa independe de existir ou nao a
func ao inversa. Por exemplo, a func ao f : R R dada por f(x) = x
2
nao tem inversa.
Entretanto f
1
(R) = R.
Existem v arias opera c oes com func oes, entre elas a composic ao. Sejam A, B e C conjun-
tos, e f : A B e g : B C func oes. Ent ao podemos denir uma func ao h : A C dada
pela composicao de f e g, i.e., h(x)
def
= g(f(x)), onde x A. Neste caso usamos a nota c ao
h = g f, e dizemos que h e a composta da f com a g.
Outra opera c ao que pode ser muitas vezes executada e soma,diferenca, produto, divisao,
de func oes. Por exemplo, sejam A conjunto e f : A R e g : A R func oes. Ent ao
podemos denir a func ao h = f + g tal que
h(x) = f(x) + g(x) para todo x A.
Da mesma forma podemos denir fg por (fg)(x) = f(x)g(x). Outras opera c oes sao denidas
analogamente.
Temos que tomar cuidado entretanto se a deni c ao faz sentido. Por exemplo, se f : A
R se anula em algum ponto de A, ent ao nao podemos denir : A R por (x) = 1/f(x).
Igualmente, nao faz sentido denir 1/g, se g : A R
n
, para n > 1, pois nao podemos dividir
por vetores.
Observa c ao. A vizualiac ao de func oes e possvel, via gr acos. Por exemplo, o gr aco
de uma equac ao que depende de (x, y) e simplesmente o conjunto de pontos do plano que
satisfazem esta equac ao. Por exemplo, o gr aco de uma func ao f : R R e dado pelo
conjunto (x, y) R
2
: y = f(x). Ja o gr aco de x
2
+y
2
= 3 e formado por todos os pontos
de R
2
que tem norma igual a

3.
4.2. Intervalos na reta
Neste captulo, falaremos sobre intervalos na reta. Falaremos tambem sobre vizinhancas,
cuja noc ao e baseada na func ao valor absoluto (que nada mais e que uma norma nos reais).
Intervalos na reta serao conjuntos como os abaixo:
(1) Intervalo aberto: (a, b) = x R : a < x < b
(2) Intervalo fechado: [a, b] = x R : a x b
(3) [a, b) = x R : a x < b
4.3. FUN C

OES INVERSAS 31
(4) (a, b] = x R : a < x b
(5) [a, +) = x R : a x
(6) (a, +) = x R : a < x
(7) (, b] = x R : x b
(8) (, b) = x R : x < b
(9) (, +) = R
Prosseguimos no sentido de denirmos vizinhancas. Para tal precisamos da noc ao de
dist ancia entre dois pontos x e y da reta, que e dada pelo valor absoluto de x y, i.e., por
[x y[. Para um n umero real a, o valor absoluto (ou m odulo) de a e dado por
[a[ =
_
a se a 0,
a se a < 0.
Exemplo 4.2. Por deni c ao [5[ = 5, e [ 5[ = (5) = 5.
Lema 4.2.1. Algumas propriedades dos n umeros reais:
(1) [ a[ = [a[ para todo a R.
(2) [ab[ = [a[[b[ para todo a, b R.
(3) Dados a, k R temos que [a[ k se e somente se k a k.
(4) [a[ a [a[ para todo a R.
Demonstra c ao. (1) Se a = 0, ent ao [0[ = 0 = [ 0[. Se a > 0, ent ao a < 0 e
logo [ a[ = (a) = a = [a[. Se a < 0, ent ao a > 0 e [ a[ = a = [a[.
(2) Exerccio.
(3) Exerccio.
(4) Tome k = [a[ no tem (3) do lema. Ent ao [a[ [a[ = [a[ a [a[.

Lema 4.2.2 (Desigualdade Triangular). Para todo a, b R temos

[a + b[ [a[ +[b[.
Demonstra c ao. Sabemos que [a[ a [a[ e [b[ b [b[. Logo, [a[ [b[
a + b [a[ +[b[. Pelo tem (3) do Lema 4.2.1 temos que [a +b[ [a[ +[b[, como queramos
demonstrar.
Seja a R e considere o intervalo
B

(a) = x R : [x a[ < = (a , a + ).
Uma vizinhanca de a e qualquer conjunto contendo B

(a) para algum > 0.

4.3. Fun coes inversas
Investigaremos mais de perto agora quando uma func ao e invertvel. Em particular nos
concentraremos nas func oes monotonos, i.e., func oes que sao crescentes ou decrescentes, que
deniremos a seguir.
Seja I R. Diremos que uma func ao f : I R e crescente se dados dois pontos x, y de
I tais que x < y tem-se que f(x) < f(y). Se x < y implica em f(x) f(y), diremos que f
e n ao decrescente.
32 4. LIMITES DE FUN C

OES
Analogamente, g : I R e decrescente se x < y implica em f(x) > f(y), e nao crescente
se x < y implica em f(x) f(y). Se uma func ao e crescente ou decrescente, a chamamos de
mon otona.
Observa c ao. A terminologia acima nao e unanime. Alguns autores preferem cha-
mar func oes crescentes como denidas acima como estritamente crescentes, func oes nao-
decrescentes como crescentes.
Note que toda func ao monotona e injetiva. A volta vale tambem, mas sob a condi c ao
da func ao ser contnua. Isto e, toda func ao contnua denida num intervalo e injetiva e
monotona, ver Exerccio 4.3.
Teorema 4.3.1. Seja I um intervalo e f : I R contnua. Entao
(1) se f for mon otona, ent ao f(I) e intervalo, e a fun cao inversa f
1
: f(I) R e
contnua
(2) se f for injetiva ent ao e mon otona.
4.4. Limites de funcoes
Seja I = (a, b) um intervalo nao vazio e f : I R, e seja c [a, b]. Dizemos que L e o
limite de f em c se para todo > 0 existir > 0 tal que
x (c , c + ) I, x ,= c = f(x) (L , L + ).
Neste caso, escrevemos L = lim
xc
f(x), e dizemos que f converge para L no ponto c. Outra
forma de escrever a deni c ao acima e dizendo que para todo > 0, existe > 0 tal que
x I, 0 < [x c[ < = [f(x) L[ < .
Uma observac ao a respeito da deni c ao acima e que o valor do limite em c independe do
valor que f assume em c. Na verdade, f nao precisa nem estar denida neste ponto. Somente
quando discutirmos continuidade e que o valor em c sera importante, mas isto ca para o
pr oximo captulo.
Antes de comecarmos a calcular limites, e interessante tambem ver que as seguintes
deni c oes sao equivalentes, e qualquer uma delas pode ser usada no estudo de limites.
Lema 4.4.1 (Criterios equivalentes para limites). Seja I = (a, b) e f : I R, e seja
c [a, b]. Ent ao as armativas sao equivalentes:
(1) lim
xc
f(x) = L.
(2) Seja (x
n
) sequencia em I com x
n
,= c para todo n e lim
n
x
n
= c. Ent ao
_
f(x
n
)
_
converge e lim
n
_
f(x
n
)
_
= L.
Demonstra c ao. (1) = (2) Seja > 0, e (x
n
) em Ic tal que lim
n
x
n
= c. Por
hipotese existe tal que
(4.4.1) x I, 0 < [x c[ < = [f(x) L[ < .
Seja N N tal que [x
n
c[ < se n N. Ent ao, por (4.4.1) tem-se [f(x
n
) L[ < e
conclui-se que a sequencia
_
f(x
n
)
_
converge para L.
(2) = (1)(por contradi cao) Assuma que (2) valha, e que (1) seja falso. Logo existe
vizinhanca > 0 tal que para todo n N existe x
n
(c 1/n, c + 1/n) I, com x
n
,= c e
f(x
n
) / (L, L+). Isto e uma contradi c ao pois por (2) teramos que ter lim
n
_
f(x
n
)
_
=
L.
4.4. LIMITES DE FUN C

OES 33
Exemplo 4.3. Seja f(x) = x. Ent ao lim
xc
f(x) = c. De fato, dado > 0, tome = ,
pois
0 < [x c[ < = [f(x) f(c)[ = [x c[ < = .
Exemplo 4.4. Seja f : R R denida por
f(x) =
_
x, se x Q
0, se x RQ
Ent ao f tem limite bem denido em c = 0, mas nao nos demais pontos. Dado > 0, seja
= . Se [x[ < , ent ao [f(x)[ = 0 [x[ < = caso x RQ, e [f(x)[ = [x[ < = caso
x Q. Logo [x 0[ < implica em [f(x) f(0)[ = [f(x)[ < . Portanto f tem limite no
zero.
Nos demais pontos tal limite nao existe pela densidade dos racionais nos irracionais e
vice-versa. De fato, dado x R, existe (x
n
) sequencia em RQ e (y
n
) sequencia em Q,
ambas convergentes para x com x
n
,= x e y
n
,= x para todo n N. Mas lim
n
f(x
n
) = 0 e
lim
n
f(y
n
) = lim
n
(y
n
) = x ,= 0. Portanto f nao tem limite para x ,= 0.
Exemplo 4.5. Ache lim
x0
f(x) de f : R
+
R dada por
f(x) =
_
xsin
1
x
se x Q R
+
,
0 se x R
+
Q.
Primeiro note para x R
+
que se x Q, ent ao [f(x)[ [x[ pois [ sin 1/x[ 1. Se x / Q,
ent ao [f(x)[ = 0 [x[. Em ambos os casos temos [f(x)[ [x[. Ent ao, dado > 0, seja
= . Ent ao se x R
+
e
0 < [x[ < = = [f(x) 0[ [x[ < .
Logo f tem limite no zero e o limite e zero, i.e., lim
x0
f(x) = 0
Lema 4.4.2 (Unicidade do limite). Seja I = (a, b) e f : I R, e seja c [a, b]. Ent ao f
pode ter, no m aximo, um limite em c.
Demonstra c ao. Sejam L
1
e L
2
dois limites de f em c. Portanto, dado > 0 existem

1
e
2
tais que
x A, 0 < [x c[ <
1
= [f(x) L
1
[ <

2
,
x A, 0 < [x c[ <
2
= [f(x) L
2
[ <

2
.
Tome = min
1
,
2
. Ent ao tomando-se 0 < [x c[ < implica em
[L
1
L
2
[ [L
1
f(x)[ +[f(x) L
2
[ < .
Como e arbitrario, temos L
1
= L
2
.
Exemplo 4.6. Seja
sgn(x) =
_

_
1 se x > 0,
0 se x = 0,
1 se x < 0.
34 4. LIMITES DE FUN C

OES
Tomando-se as sequencias (1/n) e (1/n), ambas convergindo para c = 0 mas nunca atin-
gindo este valor, tem-se
_
f(1/n)
_
= 1 e
_
f(1/n)
_
= 1. Ent ao esta func ao nao tem limite
em c = 0, pois se o limite existe, este tem que ser unico.
Assim como no caso de sequencias, podemos denir opera c oes com func oes, como soma,
subtra c ao, etc. Se f : I R e g : I R, ent ao denimos (f +g) : I R por (f +g)(x) =
f(x) +g(x). De forma analoga denimos (f g)(x) = f(x) g(x) e (fg)(x) = f(x)g(x). Se
g e tal que g(x) ,= 0 para todo x I, denimos tambem (f/g)(x) = f(x)/g(x). Valem ent ao
resultados como o limite da soma e a soma do limite, etc.
Lema 4.4.3. Seja I = (a, b). Sejam f : I R e g : I R, e seja c [a, b]. Suponha
que existam os limites lim
xc
f(x) e lim
xc
g(x). Ent ao
(1) lim
xc
(f +g)(x) = lim
xc
f(x) + lim
xc
g(x)
(2) lim
xc
(f g)(x) = lim
xc
f(x) lim
xc
g(x)
(3) lim
xc
(fg)(x) = lim
xc
f(x) lim
xc
g(x)
(4) lim
xc
(f/g)(x) = lim
xc
f(x)/ lim
xc
g(x), se g for tal que g(x) ,= 0 para todo
x I, e lim
xc
g(x) ,= 0.
Os resultados acima podem ser estendidos para um n umero nito de opera c oes.
Demonstra c ao. Demonstraremos apenas (1). As demais demonstrac oes sao similares.
Seja (x
n
) sequencia em I com x
n
,= c para todo n N e lim
n
x
n
= c. Ent ao (f +
g)(x
n
) = f(x
n
) + g(x
n
) converge pois e soma de sequencias convergentes e lim
n
_
(f +
g)(x
n
)
_
= lim
n
_
f(x
n
)
_
+ lim
n
_
g(x
n
)
_
.
Exemplo 4.7. Seja n N. Ent ao lim
xc
x
n
= (lim
xc
x)
n
= c
n
.
Exemplo 4.8. Se c > 0, ent ao lim
xc
1/x = 1/(lim
xc
x) = 1/c.
Uma condi c ao extra tem que ser imposta quando lidamos com composic ao de func oes.

E
natural perguntar, supondo-se que lim
xc
g(x) = L, quando
lim
xc
f(g(x)) = f(lim
xc
g(x)) = f(L)
ocorre. E a resposta e que a igualdade acima e verdadeira se lim
yL
f(y) = f(L). Em outras
palavras, basta que f seja contnua em L.
Uma outra propriedade de func oes que tem limite em um ponto e a de limitac ao local,
i.e., a func ao e limitada numa vizinhanca do ponto. Observe que uma func ao localmente
limitada nao necessariamente e globalmente limitada, como veremos mais a seguir.
Defini c ao 4.4.4. Seja I = (a, b) e f : I R e c [a, b]. Dizemos que f e limitada
numa vizinhanca de c se existem > 0 e constante M tais que
x (c , c +) I = [f(x)[ M.
Dizemos tambem que f e localmente limitada em c.
Para mostrar que se f : I R tem limite em c de I ent ao f e localmente limitada em
c, basta primeiro tomar = 1. Dado L = lim
xc
f(x), existe > 0 tal que
x I, 0 < [x c[ < = [f(x) L[ < 1.
4.5. LIMITES LATERAIS, INFINITOS E NO INFINITO 35
Neste caso, temos [f(x)[ [f(x) L[ +[L[ < 1 + L. Se c / I dena M = 1 +[L[. Se c / I
dena M = max[f(c)[, 1 +[L[. Em qualquer dos casos temos que
x I, [x c[ < = [f(x)[ < M.
Da discuss ao acima conclumos imediatamente que f(x) = 1/x e localmente limitada em
todo ponto c ,= 0. Alem disso conclumos que f nao tem limite em c = 0 pois nao e limitada
localmente em torno deste ponto.
Alguns resultados que valem para sequencias podem ser estendidos para limites de fun-
c oes. Por exemplo, do Lema 4.4.5 tiramos o seguinte resultado. Sua demonstrac ao e um
exerccio.
Lema 4.4.5 (limite de sanduches). Sejam I = (a, b) e f, g e h func oes de I em R, e seja
c [a, b]. Suponha que para todo x I com x ,= c tivermos f(x) g(x) h(x), e que
lim
xc
f(x) = lim
xc
h(x) = L. Ent ao lim
xc
g(x) = L.
Lema 4.4.6. Sejam I = (a, b) e f : I R, e seja c [a, b]. Suponha que para todo x I
com x ,= c tivermos a g(x) b, e que existe o limite de f em c. Ent ao a lim
xc
f(x) b.
4.5. Limites laterais, innitos e no innito
Assim como na sec ao anterior, assumimos que I = (a, b) R e f : I R. Seja agora
c [a, b]. Dizemos que L e limite `a direita de f em c se para todo > 0 existe > 0 tal que
x I, 0 < x c < = [f(x) L[ < .
Neste caso escrevemos que lim
xc
+ f(x) = L.
Deni c ao similar vale para limite `a esquerda (e escrevemos lim
xc
f(x) = L).

E possvel mostrar que se c ponto de acumula c ao tanto de I(c, +) como de I(, c),
ent ao
(4.5.1) lim
xc
f(x) = L lim
xc
+
f(x) = lim
xc

f(x) = L.
Exemplo 4.9. Seja f(x) = sgn(x), como no exemplo 4.6. Como lim
x0
+ f(x) = 1 e
lim
x0
f(x) = 1, ent ao nao existe limite de f no zero.
Outra deni c ao importante e a de limite innito. Dizemos que f tende a + em c se
para todo R existe > 0 tal que
x I, 0 < [x c[ < = f(x) > .
Escrevemos ent ao que lim
xc
= +.
Deni c ao similar vale para f tende a em c.
Exemplo 4.10. lim
x0
1/x
2
= +. De fato, dado > 0, tomando = 1/

temos
0 < [x[ < = x
2
<
2
=
1

=
1
x
2
> .
Exemplo 4.11. Seja g : R0 R. Ent ao g nao tende a ou a + no zero pois
g(x) < 0 se x < 0 e g(x) > 0 se x > 0.
36 4. LIMITES DE FUN C

OES
Finalmente denimos limites no innito. Seja a R e f : (a, +) R. Dizemos que
L R e limite de f quando x + se para todo existe k > a tal que
x > k = [f(x) L[ < .
Analogamente podemos denir limite de f quando x .
Exemplo 4.12. lim
x
1/x = lim
x+
1/x = 0.
Exemplo 4.13. Nem sempre existe limite no innito. Tome por exemplo sin(x).
4.6. Exerccios
Exerccio 4.1. Mostre que uma func ao tem inversa se e somente se e sobrejetiva e
injetiva.
Exerccio 4.2. Demonstre os tens (2) e (3) no Lema 4.2.1.
Exerccio 4.3. Construa f : (0, 1) R injetiva e nao monotona.
Exerccio 4.4. Mostre que se x ,= y sao n umeros reais, ent ao existem vizinhancas U de
x e V de y tais que U V = .
Exerccio 4.5. Demonstre o Lema 4.4.5.
Exerccio 4.6. Demonstre o Lema 4.4.6.
Exerccio 4.7. Demonstre a equivalencia 4.5.1.
CAPTULO 5
Continuidade e Funcoes Contnuas
1
A partir das deni c oes de limites de func oes do captulo anterior, ca mais facil denir
continuidade e estudar suas propriedades.
5.1. Introdu cao e exemplos
Seja A R e f : A R. Dizemos que f e contnua em c A se para todo > 0 existe
> 0 tal que
x (c , c + ) A = f(x) (c , c + ).
Finalmente, dizemos que f e contnua em B A se f for contnua em todos os pontos de B.
Observa c ao. Note que, quando lim
xc
f(x) esta bem denido,
f e contnua em c f(c) = lim
xc
f(x).
Observa c ao. Note uma diferenca na deni c ao de limite de func ao e continuidade num
ponto c. Para denir limite, a func ao nao precisava nem estar denida em c, e se estivesse,
o valor de f(c) nao tinha import ancia.
Lema 5.1.1. Seja A R e f : R. Seja c A. Ent ao as armativas abaixo sao
equivalentes.
(1) f e contnua em c.
(2) Para todo > 0 existe > 0 tal que
x A, [x c[ < = [f(x) f(c)[ < .
(3) Se (x
n
) e tal que x
n
A para todo n N e lim
n
x
n
= c, ent ao lim
n
f(x
n
) =
f(c).
Outro resultado util e o seguinte criterio de descontinuidade: assumindo as hipoteses do
Lema 5.1.1, temos que f nao e contnua em c se e somente se existe sequencia (x
n
) em A
convergindo para c mas
_
f(x
n
)
_
nao convergindo para f(c).
Exemplo 5.1. g(x) = x e contnua em R. De fato, para todo c R, temos lim
xc
g(x) =
c = g(c).
Exemplo 5.2. A func ao sgn(x) (ver exemplo 4.6) nao e contnua no zero, ja que nao
existe lim
x0
sgn(x).
1

Ultima Atualiza cao: 23/06/2012

37
38 5. CONTINUIDADE E FUN C

OES CONTNUAS
Exemplo 5.3. Seja f : R R dada por
f(x) =
_
1 se x Q,
0 caso contr ario,
e descontnua para todo x R. Para mostrar isto, assuma x Q, e uma sequencia (x
n
) em
RQ convergindo para x. Neste caso, lim
n
_
f(x
n
)
_
= 0 ,= 1 = f(x). Da mesma forma, se
x / Q, tomamos uma sequencia (x
n
) em Q convergindo para x, e temos lim
n
_
f(x
n
)
_
=
1 ,= 0 = f(x).
As vezes, e possvel estender uma func ao de forma contnua para pontos forado domnio
original. Por exemplo, seja I = (a, c) e f : I R. Se existir lim
xc
f(x), ent ao denimos
f(c) como sendo este limite, e f sera contnua em c.
Exemplo 5.4. Considere a func ao similar ao problema 4.4, mas desta vez denida apenas
para reais positivos:
f : R
+
R, f(x) =
_
x, se x R
+
Q,
0, se x R
+
Q.
Ent ao lim
x0
f(x) = 0 e podemos estender f continuamente no zero denindo
g : R
+
0 R, g(x) =
_
f(x), se x R
+
,
0, se x = 0.
Ent ao temos g contnua no zero (e somente no zero).
Exemplo 5.5.

E claro que nem sempre tal extensao contnua e possvel. Por exemplo no
caso de f : R
+
R dada por f(x) = 1/x, nao se pode denir f(0) tal que f : R
+
0 R
seja contnua.
5.1.1. Composi cao de funcoes. Em geral, se f e g sao contnuas, ent ao f +g, f g,
fg tambem o sao. Da mesma forma, se h(x) ,= 0 para todo x do domnio, ent ao f/h e
contnua. O pr oximo resultado garante que a composicao de func oes contnuas tambem e
contnua.
Teorema 5.1.2. Sejam A, B R, e f : A B e g : B R. Assuma f contnua em
c A e g contnua em f(c) B. En ao a composicao g f : A R e contnua em c.
Exemplo 5.6. A func ao g(x) = [x[ e contnua em R. Realmente, como
[g(x) g(y)[ = [[x[ [y[[ [x y[,
se (x
n
) converge para x ent ao
[g(x
n
) g(x)[ [x
n
x[ = lim
n
_
g(x
n
)
_
= g(x).
Portanto, se f : A R e contnua em c A, entao h(x) = [f(x)[ tambem o e, pois
h = g f e composic ao de func oes contnuas.
5.3. EXERCCIOS 39
5.2. Fun coes Contnuas em intervalos fechados e limitados
Um resultado com v arias aplicac oes diz que func oes contnuas denidas em conjuntos
fechados e limitados sao limitadas e atingem seus pontos extremos. Chamamos um intervalo
de fechado limitado quando e da forma [a, b], para a < b. Na verdade, todos os resultados
abaixo, excetuando-se o Teorema 5.2.5, valem em conjuntos mais gerais, por exemplo em
uni oes nitas de intervalos fechados e limitados.
Defini c ao 5.2.1. Dizemos que f : A R e limitada em A se existe M R tal que
[f(x)[ M para todo x A.
Exemplo 5.7. sin x e limitada em R pois [ sin x[ 1 para todo x R.
Exemplo 5.8. 1/x nao e limitada em R
+
. Entretanto 1/x e limitada em (1/2, +) pois
[1/x[ 2 para todo x neste intervalo.
Teorema 5.2.2. Seja I = [a, b], e f : I R contnua em I. Entao f e limitada em I.
Outra noc ao importante e o de m aximos e mnimos. Dizemos que f : A R tem valor
m aximo em A se existe x

A tal que f(x

) e cota superior de f(A). De forma analoga

dizemos que f tem valor mnimo em A se existe x

A tal que f(x

) e cota inferior de f(A).

Chamamos x

de ponto de valor m aximo e x

de ponto de valor mnimo.

Observa c ao. Se uma func ao f como acima denida assume seus valores m aximo e
mnimo em A, ent ao f e limitada em A.
Exemplo 5.9. f : (1, 1) R dada por f(x) = 1/(1 x
2
) nao e limitada em (1, 1),
mas e limitada em [1/2, 1/2] por exemplo.
Exemplo 5.10. f(x) = x e contnua e limitada em (1, 1), mas nao assume valor m aximo
nem mnimo em (1, 1). Entretanto f assume seus valores m aximo e mnimo em [1, 1].
Exemplo 5.11. h(x) = 1/(1+x
2
) e limitada em R, assume seu valor m aximo em x

= 0,
mas nao assume seu valor mnimo. Isto porque inf h(R) = 0 ,= h(x) para todo x R.
Observa c ao. Note que pontos de m aximo e mnimo nao sao unicos em geral. Por
exemplo, f(x) = x
2
tem 1 e 1 como seus dois pontos de m aximo em [1, 1].
Teorema 5.2.3 (Pontos Extremos). Seja I = [a, b], e f : I R contnua em I. Entao
f tem pelo menos um ponto de maximo e um de mnimo em I.
Outro resultado de grande import ancia e o Teorema do Valor Intermedi ario que garante
a preservac ao de intervalos por func oes contnua.
Teorema 5.2.4 (Teorema do Valor Intermedi ario). Sejam a < b e f : [a, b] R cont-
nua. Se existe d R tal que f(a) < d < f(b), ent ao existe c (a, b) tal que f(c) = d.
Conclumos esta parte com uma importante consequencia dos resultados anteriores.
Teorema 5.2.5. Seja I intervalo fechado limitado e f : I R fun cao contnua. Entao
f(I) e intervalo fechado limitdado.
5.3. Exerccios
Exerccio 5.1. Determine os pontos de continuidade da func ao [x], que retorna para
cada x R o maior inteiro menor ou igual a x. Por exemplo, [2] = 2, [2.5] = 2, [2.5] = 3.
CAPTULO 6
Diferenciacao
1
Neste captulo vemos a noc ao de diferenciabilidade e suas aplicac oes.
6.1. Deni coes e Exemplos
Seja f : I R, onde I e um intervalo em R. Dizemos que f e diferenciavel em c I se
existe um n umero real L onde dado > 0 existe > 0 tal que
x I, 0 < [x c[ < =

f(x) f(c)
x c
L

< .
Chamamos L de derivada de f em c, e escrevemos L = f

(c).
Note que se f e diferenciavel em c, ent ao
f

(c) = lim
xc
f(x) f(c)
x c
.
Se f e diferenciavel em todo ponto de I dizemos que f e diferenciavel em I. Neste caso note
que a derivada f

e uma func ao de I em R.
Exemplo 6.1. Se f(x) = x
2
, ent ao para c R tem-se
f

(c) = lim
xc
x
2
c
2
x c
= lim
xc
(x +c)(x c)
x c
= lim
xc
(x + c) = 2c.
Teorema 6.1.1. Se f : I R, onde I e um intervalo em R e diferenci avel em c I,
ent ao f e continua em c.
Demonstra c ao. Seja L = f

(c). Dado > 0, existe > 0 tal que

x I, 0 < [x c[ < = L <

f(x) f(c)
x c

< L + .
Seja

= min, /(L + ). Ent ao
x I, 0 < [x c[ <

= [f(x) f(c)[ =

f(x) f(c)
x c

[x c[ (L + ) .
Logo f e continua em c.
Observa c ao. Pelo teorema acima, diferenciabilidade implica em continuidade. O in-
verso entretanto nao e verdade em geral. Seja por exemplo f : R R onde f(x) = [x[.
Ent ao f e continua em R mas nao e diferenciavel em zero pois para x ,= 0 temos

f(x) f(0)
x 0

=
[x[
x
=
_
1 se x > 0,
1 se x < 0.
1

Ultima Atualiza cao: 26/06/2012

41
42 6. DIFERENCIA C

AO
Logo o limite quando x 0 nao existe.
6.2. Propriedades da Derivada
Seja f e g func oes de I R, onde I e um intervalo em R, ambas diferenciaveis em c I.
Ent ao
(1) (f)

(c) = f

(c), onde R. De fato, se x ,= c, ent ao

(f)(x) (f)(c)
x c
=
f(x) f(c)
x c
.
(2) (f +g)

(c) = f

(c) + g

(c).
(3) Se p = fg, ent ao se x ,= c,
p(x) p(c)
x c
=
f(x)g(x) f(c)g(c)
x c
=
f(x)g(x) f(c)g(x) + f(c)g(x) f(c)g(c)
x c
=
f(x) f(c)
x c
g(x) + f(c)
g(x) g(c)
x c
.
Logo existe lim
xc
(p(x) p(c))/(x c) e
p

(c) = lim
xc
p(x) p(c)
x c
= lim
xc
_
f(x) f(c)
x c
g(x)
_
+ lim
xc
_
f(c)
g(x) g(c)
x c
_
= f

(c)g(c) + f(c)g

(c).
(4) Se g(x) ,= 0 para todo x I, ent ao seja h(x) = f(x)/g(x). Logo se x ,= c,
h(x) h(c)
x c
=
f(x)
g(x)

f(c)
g(c)
x c
=
f(x)g(c) f(c)g(x)
(x c)g(x)g(c)
=
f(x)g(c) f(c)g(c)
(x c)g(x)g(c)
+
f(c)g(c) f(c)g(x)
(x c)g(x)g(c)
=
f(x) f(c)
(x c)
1
g(x)

f(c)
g(x)g(c)
g(x) g(c)
x c
.
Logo existe lim
xc
(h(x) h(c))/(x c) e
h

(c) = lim
xc
h(x) h(c)
x c
= f

(c)
1
g

(c)

f(c)
g
2
(x)
g

(c).
Exemplo 6.2. Pela regra acima temos que se f(x) = x
n
, para n N, ent ao f e diferen-
ciavel e f

(c) = nx
n1
.
Observe que f : I R e diferenciavel em c I com f

(c) = L se e somente se existir

uma func ao r tal que
f(x) = f(c) + (x c)L + r(x c), com lim
h0
r(h)
h
= 0.
De forma equivalente escrevemos h = x c e
f(c + h) = f(c) + hL +r(h) com lim
h0
r(h)
h
= 0.
6.2. PROPRIEDADES DA DERIVADA 43
Teorema 6.2.1 (Regra da Cadeia). Sejam I e J intervalos em R e g : I R e
f : J R, onde f(J) I. Se f e diferenci avel em c J e g e diferenci avel em f(c), ent
ao g f e diferenc avel em c e
(g f)

(c) = g

(f(c))f

(c).
Demonstra c ao. Seja d = f(c). Note que para h tal que c+h J e k tal que d+k I,
temos
f(c + h) = f(c) + hf

(c) +r(h) com lim

h0
r(h)
h
= 0.
g(d + k) = g(d) + kg

(d) + p(k) com lim

k0
p(k)
k
= 0.
Denindo k = f(c + h) f(c) = hf

(c) + r(h), temos

g f(c + h) = g(f(c +h)) = g(d + k) = g(d) + kg

(d) + p(k)
= g(d) + (hf

(c) +r(h))g

(d) + p(f(c +h) f(c)) = g(d) + hf

(c)g

(d) +q(h)
onde q(h) = r(h)g

(d) +p(f(c + h) f(c)). Finalmente,

lim
h0
q(h)
h
= g

(d) lim
h0
r(h)
h
+ lim
h0
p(f(c +h) f(c))
h
.
Se f(c + h) = f(c) numa vizinhanca de c, ent ao p(f(c +h) f(c)) = 0. Caso contr ario,
lim
h0
p(f(c + h) f(c))
h
= lim
h0
p(f(c + h) f(c))
f(c + h) f(c)
lim
h0
f(c +h) f(c)
h
= 0.
De qualquer forma conclumos que
lim
h0
p(f(c +h) f(c))
h
= 0.

Exemplo 6.3. Seja

f(x) =
_
x
2
sin
1
x
, se x ,= 0
0, se x = 0.
Logo, para x ,= 0 temos f

(x) = 2xsin 1/x cos 1/x. Em x = 0 usamos a deni c ao:

f

(0) = lim
x0
f(x) f(0)
x 0
= lim
x0
xsin
1
x
= 0.
Logo f e diferenciavel em R mas f

nao e contnua no zero.

Teorema 6.2.2 (Derivada da Func ao Inversa). Seja I R intervalo, f : I R contnua
e invertvel com inversa g : J R contnua, e J = f(I). Se f e diferenci avel em c I,
ent ao g e diferenc avel em d = f(c) se e somente se f

(c) ,= 0. Neste caso,

g

(d) =
1
f

(c)
=
1
f

(g(d))
44 6. DIFERENCIA C

AO
Demonstra c ao. Tendo que g e continua. Alem disso, se y Jd, ent ao g(y) ,= c.
Logo, se f

(c) ,= 0,
lim
yd
g(y) g(d)
y d
= lim
yd
g(y) c
f(g(y)) f(c)
= lim
yd
_
f(g(y)) f(c)
g(y) c
_
1
=
1
f

(c)
.
Logo g e diferenciavel em d e g

(d) = 1/f

(c). Analogamente, se g e diferenciavel em d, ent ao

usando a regra da cadeia e que g(f(x)) = x, temos
g

(f(c))f

(c) = 1,
e ent ao f

(c) ,= 0.
Exemplo 6.4. Seja f : R
+
R
+
dada por f(x) = x
n
, onde n N. Ent ao f tem inversa
g : R
+
R
+
, e g(y) =
n

y. Para y > 0 temos ent ao

g

(y) =
1
ny
n1
n
.
Note que g nao e diferenciavel no zero pois f

(0) = 0.
6.3. Aplica coes
Uma primeira e importante aplicac ao diz respeito a pontos extremos locais. Dizemos que
uma func aof : I R, onde I R e um intervalo, tem um maximo local em c I se existe
> 0 tal que
x (c , c + ) I = f(x) f(c).
Deni c ao analoga serve para mnimo local. Chamamos um ponto de m aximo ou mnimo
local de ponto extremo local.
O resultado a seguir descreve condi c ao necess aria para um ponto ser extremo local.
Teorema 6.3.1 (Ponto extremo interior). Seja f : I R, onde I R e um intervalo,
e c I ponto extremo local. Se f e diferenci avel em c, ent ao f

(c) = 0.
Demonstra c ao. Sem perda de generalidade, assuma c ponto de m aximo local. Ent ao,
se f

(c) > 0 temos

0 < f

(c) = lim
xc
f(x) f(c)
x c
=
f(x) f(c)
x c
> 0
numa vizinhanca de c. Logo, para x > c tem-se f(x) > f(c), contradi c ao pois c e ponto de
m aximo local. De forma semelhante nao podemos ter f

(c) < 0. Logo f

(c) = 0.
A seguir apresentamos um resultado com importantes por si e por suas consequencias.

E o Teorema do Valor Medio, que vemos a seguir na sua versao mais simples, o Teorema de
Rolle.
Teorema 6.3.2 (Teorema de Rolle). Seja a < b R e f : [a, b] R continua e
diferenci avel em [a, b]. Assuma ainda que f(a) = f(b) = 0. Entao existe c (a, b) tal que
f

(c) = 0.
6.3. APLICA C

OES 45
Demonstra c ao. Se f e identicamente nula em [a, b], ent ao o resultado e verdadeiro.
Caso contr ario, ent ao f assume algum valor positivo ou negativo em (a, b). Sem perda de
generalidade, suponha que f assuma algum valor positivo. Como [a, b] e intervalo fechado
e limitado, ent ao f atinge seu m aximo em algum c (a, b). Mas pelo Teorema do Ponto
extremo interior 6.3.1, f

(c) = 0, como queramos demonstrar.

Teorema 6.3.3 (Teorema do Valor Medio). Seja a < b R e f : [a, b] R continua e
diferenci avel em [a, b]. Entao existe c (a, b) tal que
f(b) f(a) = f

(c)(b a).
Demonstra c ao. Seja
(x) = f(x) f(a)
f(b) f(a)
b a
(x a).
Ent ao (a) = (b) = 0. Como f e diferenciavel em [a, b], ent ao tambem o e no mesmo
intervalo. Logo, pelo Teorem de Rolle 6.3.2 existe c (a, b) tal que

(c) = 0. Portanto
f

(x) =
f(b) f(a)
b a
.

Uma primeira aplicac ao do Teorema do Valor Medio garante que se uma func ao denida
num intervalo tem derivada identicamente igual a zero, entao a func ao e constante.
Lema 6.3.4. Assuma que f : [a, b] R seja contnua em [a, b], onde a < b, e diferenciavel
em (a, b). Se f

(x) = 0 para todo x, ent ao f e constante em [a, b].

Demonstra c ao. Seja a < x < b. Pelo Teorema do Valor Medio 6.3.3, existe c (a, x)
tal que f(x)f(a) = f

(c)(xa). Como f

(c) = 0, temos f(x) = f(a). Como x e arbitrario,

temos f constante em (a, b). Mas continuidade temos f constante em [a, b].
Observe que pelo resultado acima, se f, g sao func oes diferenciaveis que tem a mesma
derivada, ent ao f e g diferem por uma constante.
A aplicac ao seguinte do Teorema do Valor Medio garante condi c oes necess arias e suci-
entes para uma func ao ser crescente num intervalo.
Lema 6.3.5. Seja I R intervalo e f : I R diferenciavel em I. Ent ao
(1) f e crescente em I se e somente se f

(x) 0 para todo x I.

(2) f e decrescente em I se e somente se f

(x) 0 para todo x I.

Demonstra c ao. Assuma f crescente.
( = ) Para x, c I,
x < c ou x > c =
f(x) f(c)
x c
0.
Portanto
f

(c) = lim
xc
f(x) f(c)
x c
0.
( = ) Assuma f

(x) 0 para todo x I. Sejam x

1
< x
2
com x
1
< x
2
I. Usando o
teorema do valor medio 6.3.3, existe c (x
1
, x
2
).
46 6. DIFERENCIA C

AO
Observa c ao.

E possvel modicar a demonstrac ao acima e mostrar que f

(x) > 0
implica em f estritamente crescente. Entretanto, mesmo func oes que tem derivada nula em
alguns pontos podem ser estritamente crescentes, como por exemplo f(x) = x
3
.
Observa c ao. Nao e verdade que se f

(c) > 0 para algum ponto c no domnio da f

implique em f crescente numa vizinhanca de c. Como exemplo considere
g(x) =
_
x + 2x
2
sin
1
x
se x ,= 0,
0 se x = 0,
e diferenciavel em zero com g

(0) = 1, mas nao e crescente e, nenhuma vizinhanca do zero.

Outra aplicac ao do Teorema do Valor Medio segue no exemplo abaixo.
Exemplo 6.5. Seja f(x) = exp(x). Ent ao f

(x) = exp(x). Queremos mostrar que

(6.3.1) exp(x) > 1 + x para todox ,= 0.
Seja x > 0. Ent ao aplicando o Teorema do Valor Medio em [0, x] temos que existe c (0, x)
tal que
exp(x) exp(0) = exp(c)(x 0).
Como c > 0, ent ao exp(c) > exp(0) = 1. Logo
exp(x) > 1 + x.
Para x < 0, os argumentos sao semelhantes e portanto a desigualdade (6.3.1) vale.
6.4. Teorema de Taylor e Aplica coes
Uma ferramenta poderosa em analise com v arias consequencias e o Teorema de Taylor,
que e na verdade tambem uma aplicac ao do Teorema do Valor Medio.
A expansao de Taylor aproxima localmente uma func ao que pode ser complicada por um
polinomio. Suponha que f : I R onde I R tenha n 0 derivadas num ponto x
0
I.
Dena
P
n
(x) = f(x
0
) + f

(x
0
)(x x
0
) + f

(x
0
)
(x x
0
)
2
2
+ + f
(n)
(x
0
)
(x x
0
)
n
n!
,
onde usamos a nota c aoque g
(k)
(c) indica a k-esima deriva de g num ponto c.
Note que com a deni c ao acima, temos f
(k)
(x
0
) = P
(k)
n
(x
0
) para k = 1, . . . , n. Chamamos
P
n
de polinomio de Taylor de ordem n para f em x
0
, e o resultado abaixo diz o quao boa e
a aproxima c ao de uma func ao por seu polinomio de Taylor.
Teorema 6.4.1 (Taylor). Seja n 0 e I = [a, b], com a < b. Seja f : I R n vezes
diferenci avel em I com f
(n)
contnua em I e tal f
(n+1)
exista em (a, b). Se x
0
, x I ent ao
existe (x
0
, x) (x, x
0
) tal que
f(x) = f(x
0
) + f

(x
0
)(x x
0
) + f

(x
0
)
(x x
0
)
2
2
+ + f
(n)
(x
0
)
(x x
0
)
n
n!
+ f
(n+1)
()
(x x
0
)
n+1
(n + 1)!
.
6.4. TEOREMA DE TAYLOR E APLICA C

OES 47
Demonstra c ao. Sejam x
0
, x I. Sem perda de generalidade, assuma x > x
0
. Dena
J = [x
0
, x] e seja F : J R dada por
F(t) = f(x) f(t) (x t)f

(t)
(x t)
n
n!
f
(n)
(t).
Logo
F

(t) =
(x t)
n
n!
f
(n+1)
(t)
Denindo G : J R por
G(t) = F(t)
_
x t
x x
0
_
n+1
F(x
0
),
temos G(x
0
) = G(x) = 0. Pelo Teorema de Rolle 6.3.2 existe (x
0
, x) tal que
0 = G

() = F

() + (n + 1)
(x )
n
(x x
0
)
n+1
F(x
0
).
Portanto
F(x
0
) =
1
n + 1
(x x
0
)
n+1
(x )
n
F

() =
1
n + 1
(x x
0
)
n+1
(x )
n
(x )
n
n!
f
(n+1)
()
=
(x x
0
)
n+1
(n + 1)!
f
(n+1)
().

Exemplo 6.6. Seja f : I R, onde I = [a, b] R, com a < b. Assuma que f e suas
derivadas f

, f

,. . . , f
(n+1)
existam e sejam contnuas em I. Se f
(n+1)
(x) = 0 para todo
x I e f(x
0
) = f

(x
0
) = = f
(n)
(x
0
) = 0 para algum x
0
I, ent ao f(x) = 0 para todo
x I. De fato, pelo Teorema de Taylor 6.4.1, dado x I, existe entre x e x
0
tal que
f(x) = f(x
0
) + f

(x
0
)(x x
0
) + f

(x
0
)
(x x
0
)
2
2
+ + f
(n)
(x
0
)
(x x
0
)
n
n!
+ f
(n+1)
()
(x x
0
)
n+1
(n + 1)!
.
Mas por hipotese, f
(i)
(x
0
) para i = 0, . . . , n, e f
(n+1)
0 em I. Em particular, como I,
temos f
(n+1)
() = 0. Portanto, f(x) = 0 para todo x I.
Uma primeira aplicac ao refere-se `a caracterizac ao de extremos locais.
Teorema 6.4.2. Seja a < b R e I = [a, b]. Sejam x
0
(a, b) e k 2 n umero
inteiro. Supondo que f

,. . . ,f
(k)
existam, que sejam contnuas em I, e que f

(x
0
) = =
f
(k1)
(x
0
) = 0 mas f
(k)
(x
0
) ,= 0, temos que
(1) Se k e par e f
(k)
(x
0
) > 0, ent ao f tem mnimo local em x
0
.
(2) Se k e par e f
(k)
(x
0
) < 0, ent ao f tem maximo local em x
0
.
(3) Se k e mpar, ent ao x
0
n ao e maximo nem mnimo local.
48 6. DIFERENCIA C

AO
Demonstra c ao. Pelo Teorema de Taylor, para x I existe entre x
0
e x tal que
f(x) = f(x
0
) + f

(x
0
)(x x
0
) + f

(x
0
)
(x x
0
)
2
2
+ + f
(k1)
(x
0
)
(x x
0
)
(k1)
(k 1)!
+ f
k
()
(x x
0
)
k
k!
= f(x
0
) + f
k
()
(x x
0
)
k
k!
.
Assumindo agora que f
(k)
(x
0
) > 0, como f
(k)
e contnua ent ao existe > 0 tal que f
(k)
(x) > 0
para todo x U = (x
0
, x
0
+ ). Se x U, ent ao U e ent ao f
()
(x) > 0. Se n e par,
ent ao para x ,= x
0
temos
f
k
()
(x x
0
)
k
k!
> 0.
Logo
x Ux
0
= f(x) f(x
0
) > 0 = x
0
e mnimo local,
e portanto (1) esta demonstrado.
Para demonstrar (2) o argumento e semelhante.
Finalmente, se k e mpar, ent ao (xx
0
)/k! e positivo para x > x
0
e negativo para x < x
0
.
Logo f(x) > f(x
0
) ou f(x) < f(x
0
) dependendo do sinal de x x
0
. Logo a proposic ao (3) e
verdadeira.
Uma segunda aplicac ao diz respeito `a func oes convexas. Seja I R um intervalo.
Dizemos que f : I R e convexa em I se para todo t [0, 1] e x
1
, x
2
I temos
f
_
(1 t)x
1
+ tx
2
_
(1 t)f(x
1
) +tf(x
2
).
Gracamente, uma func ao e convexa se o gr aco de f entre x
1
e x
2
esta abaixo da reta que
une os pontos (x
1
, f(x
1
)) e (x
2
, f(x
2
)).
Teorema 6.4.3. Seja I intervalo aberto e f : I R. Entao f e convexa se e somente
se f

(x) 0 para todo x I.

Demonstra c ao. ( = )Assuma que f

(x) 0 para todo x I. Sejam x

1
< x
2
I
e 0 < t < 1. Denindo x
0
= (1 t)x
1
+ tx
2
, pelo Teorema de Taylor existe
1
(x
1
, x
0
) e

2
(x
0
, x
2
) tais que
f(x
1
) = f(x
0
) + f

(x
0
)(x
1
x
0
) +
1
2
f

(
1
)(x
1
x
0
)
2
,
f(x
2
) = f(x
0
) + f

(x
0
)(x
2
x
0
) +
1
2
f

(
2
)(x
2
x
0
)
2
.
Como f

(
1
) 0 e f

(
2
) 0, ent ao
(1 t)f(x
1
) + tf(x
2
)
= f(x
0
) + [(1 t)x
1
+ tx
2
x
0
]f

(x
0
) +
(1 t)
2
f

(
1
)(x
1
x
0
)
2
+
t
2
f

(
2
)(x
2
x
0
)
2
= f(x
0
) +
(1 t)
2
f

(
1
)(x
1
x
0
)
2
+
t
2
f

(
2
)(x
2
x
0
)
2
f(x
0
).
Logo f e convexa.
6.5. REGRA DE LH

OPITAL 49
( = ) Sejam x
1
< x < x
2
I. Ent ao x = (1 t)x
1
+tx
2
para t = (f(x
2
) f(x
1
))/(x
2

x
1
). Logo, se f e convexa,
f(x) f(x
1
)
x x
1

(1 t)f(x
1
) + tf(x
2
) f(x
1
)
t(x
2
x
1
)
=
f(x
2
) f(x
1
)
x
2
x
1
e
f(x
2
) f(x)
x
2
x

f(x
2
) [(1 t)f(x
1
) +tf(x
2
)]
(1 t)(x
2
x
1
)
=
f(x
2
) f(x
1
)
x
2
x
1
.
Portanto,
x
1
< x < x
2
=
f(x) f(x
1
)
x x
1

f(x
2
) f(x
1
)
x
2
x
1

f(x
2
) f(x)
x
2
x
,
e
x
1
< x
2
= f

(x
1
) = lim
xx
1
f(x) f(x
1
)
x x
1

f(x
2
) f(x
1
)
x
2
x
1
lim
xx
2
f(x
2
) f(x)
x
2
x
= f

(x
2
).
Logo f

e func ao crescente em I e ent ao f

(x) 0 para todo x I.

6.4.1. pontos de inexao e concavidades. Seja f uma func ao real duas vezes di-
ferenciavel. Dizemos que um ponto e de inexao se este separa curvas de concavidades
contr arias. Se c e ponto de inexao ent ao f

(c) = 0. Para descobrir se um ponto c onde

a segunda derivada se anula e de inexao, basta checar se f

muda de sinal no intervalo

(c , c + ), para todo > 0.
Quanto a concavidades, dizemos que f e concava (para baixo) em (a, b) se f

< 0 em
(a, b). Dizemos que f e convexa (c oncava para baixo) em (a, b) se f

> 0 em (a, b).

6.5. Regra de LH opital
Considere o problema de achar
lim
x0
sin x
x
,
se este limite existir. Surpreendentemente, vale a regra de que, nestes casos, o limite da
raz ao das func oes e igual ao limite da raz ao das derivadas das func oes.
Teorema 6.5.1. Sejam f e g duas fun coes reais diferenci aveis deniddas na intervalo
(a, b). Suponha tambem que g e g

seja n ao nula e que

lim
xb
f(x) = lim
xb
g(x) = 0, ou que lim
xb
f(x) = lim
xb
g(x) = .
Temos ent ao que
se lim
xb
f

(x)
g

(x)
= , ent ao lim
xb
f(x)
g(x)
= .
Mesmo se for ou , o resultado continua valendo. Vale tambem se x a, ou mesmo
para pontos interiores, onde basta tomar os dois limites laterais.
50 6. DIFERENCIA C

AO
6.6. Exerccios
Exerccio 6.1. Assuma f : R R diferenciavel em c R e f(c) = 0. Mostre ent ao
que g(x) = [f(x)[ e diferenciavel em c se e somente se f

(c) = 0.
Exerccio 6.2. Seja f : R R dada por
f(x) =
n

i=1
(x c
i
)
2
,
onde c
i
R para i = 1, . . . , n, e n N. Ache um ponto de mnimo relativo de f. Mostre
que e unico.
Exerccio 6.3. Seja I R um intervalo e f : I R diferenciavel. Mostre que se f

e
positiva em I, i.e., f

(x) > 0 para todo x I, ent ao f e estritamente crescente.

CAPTULO 7
Funcoes trigonometricas, logartmicas e exponenciais
1
Neste captulo descrevemos algumas func oes especiais, como as func oes trigonometricas,
o logartmo e a exponencial.
7.1. Fun coes trigonometricas
Denimos aqui algumas func oes trigonometricas, comecando pelas func oes seno e cosseno.
Nossas deni c oes diferem das deni c oes geometricasusuais, pois usamos series de potencias.
Entretanto sao as mesmas func oes, como pode ser visto em [Djairo Figueiredo].
7.1.1. Senos e cossenos. Denimos as func oes sin e cos de R R atraves das series
de potencias
sin x =

n=0
(1)
n
x
2n+1
(2n + 1)!
= x
x
3
3!
+
x
5
5!
. . . , cos x =

n=0
(1)
n
x
2n
(2n)!
= 1
x
2
2!
+
x
4
4!
. . . .
A derivac ao termo a termo nas series de potencias acima e v alida, e portanto
sin

x =

n=0
(1)
n
(2n + 1)
x
2n
(2n + 1)!
= cos x, cos

x =

n=0
(1)
n
2n
x
2n1
(2n)!
= sin x.
Note que das deni c oes, a func ao sen e mpar (sin(x) = sin x), e a func ao cosseno e
par(cos(x) = cos x). Temos ainda uma igualdade fundamental, dada pelo resultado abaixo.
Lema 7.1.1. Para todo x R, tem-se que sin
2
x + cos
2
x = 1.
Demonstra c ao. Seja f(x) = sin
2
x+cos
2
. Ent ao f

(x) = 2 sin xcos x2 cos xsin x = 0.

Logo f e constante. Basta agora ver que f(0) = 1, e ent ao
1 = f(0) = f(x) = sin
2
x + cos
2
.

Corol ario 7.1.2. Para todo x R, temos que [ sin x[ 1 e [ cos x[ 1.

Valem tambem as identidades abaixo.
Lema 7.1.3. Para todo x R, tem-se que
sin(a +b) = sin a cos b + sin b cos a, cos(a + b) = cos a cos b sin a sin b.
Finalmente, uma propriedade importante destas func oes sao suas periodicidades. Dize-
mos que uma func ao f : R R e periodica, com perodo T se f(x + T) = f(x) para todo
x R.
1

Ultima Atualiza cao: 02/07/2012

51
52 7. FUN C

OES TRIGONOM

ETRICAS, LOGAR

ITMICAS E EXPONENCIAIS
Lema 7.1.4. As func oes sin e cos sao periodicas com perodo 2.
7.1.2. Outras funcoes trigonometricas. Seja tan x = sin x/ cos x denida em R
excetuando-se /2, 3/2, . . . . Note que tan x e periodica com perodo , pois
tan(x + ) =
sin(x + )
cos(x + )
=
sin x
cos x
= tan x.
Outras func oes trigonometricas sao:
cot x =
cos x
sin x
, sec x =
1
cos x
, csc x =
1
sin x
.
7.1.3. Fun coes trigonometricas inversas. Note que como a func ao sin x e crescente
em [/2, /2], ent ao ela possui uma func ao inversa, que e denominada de arcsin x. Mais
especicamente,
arcsin : [1, 1] [/2, /2]
y arcsin y.
Esta func ao e diferenciavel e
d
dy
arcsin y =
1
sin

(arcsin y)
=
1
cos(arcsin y)
.
Mas usando que cos
2
(arcsin y) = 1 sin
2
(arcsin y) = 1 y
2
, conclumos que
d
dy
arcsin y =
1
_
1 y
2
.
Analogamente temos as func oes arccos : [1, 1] [0, ] com
d
dy
arccos y =
1
_
1 y
2
,
e arctan : [, ] [/2, /2], com
d
dy
arctan y =
1
tan

(arctan y)
=
1
sec
2
(arctan y)
=
1
1 + y
2
,
pois sec
2
x = 1 + tan
2
x. Existem ainda as func oes trigonometricas inversas para a cot x, a
sec x e a csc x, sobre as quais nao nos extenderemos.
7.2. Fun coes log e exponencial
Duas func oes que tem import ancia fundamenal na matem atica sao dadas pelo logaritmo
e sua inversa, a func ao exponencial. Ha formas diversas de denirmos estas func oes, e
escolhemos aquela que nos parece mais direta.
7.2. FUN C

OES LOG E EXPONENCIAL 53

7.2.1. O logaritmo. Denimos, para x > 0,
log x =
_
x
1
1
s
ds.
Observamos diretamente da deni c ao que se x > 0, ent ao log x > 0 e que se x (0, 1), ent ao
log x =
_
x
1
1
s
ds =
_
1
x
1
s
ds < 0.
Ainda de deni c ao, log 1 = 0. Temos ainda os seguintes resultados:
(1) log x e crescente
(2) log x e contnua
(3) log

x = 1/x
(4) log(xy) = log x + log y
(5) log x
r
= r log x, para r Q
(6) lim
x
log x =
(7) lim
x0
log x =
As demonstrac oes dos resultados acima nao sao complicadas. O resultado (1) vem do fato que
se x > y>0, ent ao log x log y =
_
x
y
1/s ds > 0. Os fatos dados por (2) e (3) sao resultados
diretos da deni c ao do log e as propriedades das integrais discutidas na Subsec ao 8.1.2. Para
demonstrar (4), denimos f(x) = log(xy), e portanto f

(x) = 1/x = log

x. Logo f(x)log x
e constante. Como f(1) log 1 = log y, obtemos o resultado. A identidade (5) e verdadeira
para r = 0 pois log 1 = 0. Para r natural, aplicamos (4) r 1 vezes, pois x
r
= x x. Se
r = 1/n, ent ao usamos (4) novamente com x = x
1/n
x
1/n
. O caso geral para racionais
positivos vem de x
m/n
= x
m
x
1/n
. Para expoentes negativos, note que se r > 0 por exemplo,
0 = log(x
r
x
r
) = log x
r
+ log x
r
. Portanto, log x
r
= log x
r
= r log x.
Observa c ao. Vale a pena ressaltar que (5) vale tambem para qualquer r real, mas esta
armativa esbarra no fato de que ainda nao temos uma deni c ao para x
r
, quando r nao e
racional. Este lapso sera resolvido somente em (7.2.1).
Finalmente, para (6) (7), basta usar que o logarmo e func ao crescente e considerar as
sequencias log 2
n
e log 2
n
.
7.2.2. A exponencial. Como a func ao log e estritamente crescente, ela e invertvel.
Denominando esta inversa por exp x, onde exp : R (0, +), note que
(1) exp(0) = 1
(2) x > 0 = exp x > 1
(3) x < 0 = exp x < 1
(4) exp x e contnua
(5) exp x e diferenciavel e exp

x = exp x
(6) exp(x + y) = exp x + exp y
(7) exp(x) = (exp x)

, para R
A demonstrac ao da formula em (5) e dada por
exp

x =
1
log

(exp x)
= exp x.
54 7. FUN C

OES TRIGONOM

ETRICAS, LOGAR

ITMICAS E EXPONENCIAIS
Denimos o n umero especial e = exp 1. Note ent ao de (7) que
exp = exp(1) = (exp 1)

= e

para R.
Com a ajuda das func oes acima descritas, podemos denir
(7.2.1) a
b
= exp(b log a) para a > 0 e b R.
CAPTULO 8
Integracao
1
Sem entrar em detalhes a respeito da deni c ao de integral (de Riemann), enunciaremos
algumas propriedades importantes. Consideraremos inicialmente (Se c ao 8.1) somente func oes
limitadas em intervalos limitados, mas nao necessariamente contnuas. Func oes nao imitadas
e/ou intervalos limitados serao considerados na sec ao seguinte (Se c ao 8.3).
8.1. Propriedades basicas de integrais de funcoes limitadas
Primeiro veremos algumas propriedades fundamentais de func oes diferenciaveis, e a seguir
aboradaremos a importante relac ao entre integrabilidade e diferenciabilidade. Na ultima
sec ao falaremos um pouco sobre tecnicas que podem ajudar nos c alculos de algumas integrais.
8.1.1. Algumas propriedades fundamentais. Considere abaixo f : [a, b] R e
g : [a, b] R limitada, a < b n umeros reais, e as integrais serao sempre no domnio [a, b].
Temos ent ao os seguintes resultados.
(1) Se f for contnua, ent ao e integravel.
(2) Se f for monotona (i.e., for func ao crescente ou decrescente), ela e integravel.
(3) a integral da soma e a soma das integrais. O mesmo vale para diferenca e produto
por escalar R:
_
b
a
f(x) +g(x) dx =
_
b
a
f(x) dx +
_
b
a
g(x) dx,
_
b
a
f(x) dx =
_
b
a
f(x) dx,
_
b
a
f(x) g(x) dx =
_
b
a
f(x) dx
_
b
a
g(x) dx,
(4) Se f e g sao integraveis, ent ao o produto fg e integravel.
(5) Existem func oes nao integraveis. Tome por exemplo
f(x) =
_
1 se x Q
1 se x RQ
(6) O exemplo do tem 5 mostra que f
2
pode ser integravel, mesmo que f nao o seja.
(7) Se f e g sao integraveis e f(x) = g(x) a menos de um n umero nito de pontos, ent ao
_
b
a
f(x) dx =
_
b
a
g(x) dx.
1

Ultima Atualiza cao: 30/06/2012

55
56 8. INTEGRA C

AO
(8) Podemos sempre decompor uma func ao com a soma de suas partes postivas e nega-
tivas. Sejam
f
+
(x) =
_
f(x) se f(x) 0
0 se f(x) < 0
, f

(x) =
_
0 se f(x) 0
f(x) se f(x) < 0
.
Note que f
+
e f

so assumem valores positivos, e que, por construc ao, f(x) =

f
+
(x)f

(x) e [f(x)[ = f
+
(x)+f

(x). Quanto a integrabilidade, se f for integravel,

ent ao f
+
, f

, e [f[ sao integraveis. Note que [f[ ser inegr avel nao implica em f
integravel, como nos mostra o exemplo apresentado no tem 5.
(9) Se f for integravel e c [a, b] ent ao
_
b
a
f(x) dx =
_
c
a
f(x) dx +
_
b
c
f(x) dx
(10) Se f(x) g(x) para todo x [a, b] (ou a menos de um n umero nito de pontos),
ent ao
_
b
a
f(x) dx
_
b
a
g(x) dx.
Se f(x) > g(x), ent ao a integral de f e estritamente maior que a integral de g. Uma
consequencia imediata e que se
0
f(x)
1
, onde
0
e
1
sao n umeros reais,
ent ao

0
(b a)
_
b
a
f(x) dx
0
(b a).
(11) O m odulo da integral e menor ou igual a integral do m odulo:

_
b
a
f(x) dx

_
b
a

f(x)

dx.
(12)
8.1.2. Primitivas e o Teorema fundamental do calculo. Provavelmente o resultado
mais importante em se tratando de integrais e o Teorema fundamental do calculo. Suponha
que f : [a, b] R seja integravel, e dena F : [a, b] R por
F(x) =
_
x
a
f(s) ds para x [a, b].
Ent ao F e contnua em [a, b]. Alem disto, se f for contnua em c [a, b], ent ao F e diferen-
ciavel em c e F

(c) = f(c). Se f for contnua em todos os pontos de seu domnio, ent ao F e

chamda de primitiva da f.
A continuidade de f e essencial para a diferenciabilidade de F. Por exemplo, considere
f: [1, 1] R dada por
f(x) =
_
0 se x < 0
1 se x 0
.
Ent ao
F(x) =
_
x
1
f(x) dx =
_
0 se x < 0
x se x 0
.
8.1. PROPRIEDADES B

ASICAS DE INTEGRAIS DE FUN C

OES LIMITADAS 57
Note que F e contnua em [1, 1], mas nao diferenciavel em x = 0, ponto em que f e
descontnua.
Veja tambem que duas primitavas de uma func ao diferem por uma constante. Seja
f : [a, b] R e F e

F suas primitivas. Ent ao F

=

F

= f em todos os pontos do domnio.

Logo, (F

) = 0 e portanto F

=

F

+ C para alguma constante C.

Teorema 8.1.1 (Fundamental do Calculo). Seja f integravel. Se F e primitiva de f,
ent ao
_
b
a
f(x) dx =
_
b
a
F

(x) dx = F(b) F(a).

E muito comum a nota c ao

F

b
a
= F(b) F(a).
8.1.3. Calculo das integrais. Pode-se notar depois de algumas tentativas que achar
primitivas ou calcular o valor de integrais nao e tarefa facil. Aqui falaremos de dois truques
comumente usados nestas tarefas. Consideraremos aqui somente func oes integraveis.
O primeiro truque, bem simples, e dado executando-se integracao por partes. Sejam f e
g diferenciaveis. Ent ao
(fg)

b
a
=
_
b
a
_
f(x)g(x)
_

dx =
_
b
a
f

(x)g(x) dx +
_
b
a
f(x)g

(x) dx
Logo
_
b
a
f

(x)g(x) dx = f(b)g(b) f(a)g(a)

_
b
a
f(x)g

(x) dx.
Um exemplo onde este truque pode ser usado e no c alculo de
_
2
0
sin
2
xdx. Note que
_
2
0
sin
2
xdx =
_
2
0
sin xsin xdx =
_
2
0
cos

xsin xdx
= cos xsin x

2
0
+
_
2
0
cos xsin

xdx. =
_
2
0
cos
2
xdx =
_
2
0
1 sin
2
xdx
= 2
_
2
0
sin
2
xdx.
Passando
_
2
0
sin
2
xdx para o lado esquerdo temos que
_
2
0
sin
2
xdx = .
Outro resultado que e bastante util e a mudanca de variaveis no domnio de integrac ao.
Seja f : [a, b] R integravel, e : [c, d] [a, b] deriv avel, com (c) = a e (d) = b, e tal
que

seja integravel. Ent ao

(8.1.1)
_
b
a
f(x) dx =
_
d
c
f((s))

(s) ds.
Para lembrar esta formula, basta notar que x [a, b] e s [c, d] estao relacionados por
x(s) = (s). Logo dx/ds =

(s), e formalmente escrevemos dx =

(s)ds.
58 8. INTEGRA C

AO
Em boa parte das aplicac oes, usamos invertvel. Se denotarmos u =
1
, temos que

(s) = 1/u

((s)) e portanto, de (8.1.1), temos

_
b
a
f(x) dx =
_
d
c
f(u
1
(s))
u

((s))
ds =
_
u(b)
u(a)
f(u
1
(s))
u

(u
1
(s))
ds.
A forma de lembrar e usando ds/dx = u

implica formalmente em dx = ds/u

.
No exemplo abaixo, vemos como usar estas identidades.
Exemplo 8.1. Para calcular
_

0
sin x
cos
3
x
dx, notamos que sin x = cos

x e usamos u(x) =
cos x. Ent ao du = sin xdx e
_

0
sin x
cos
3
x
dx =
_
cos
cos 0
1
u
3
du =
1
2u
2

1
1
= 0.
Na verdade, a integral acima poderia ser calculada diretamente observando-se por simetria
que
_
/2
0
sin x
cos
3
x
dx =
_

/2
sin x
cos
3
x
dx
Como se mostra isto facilmente?
8.2.

Areas planas
Como as integrais denidas dao a area (com sinal) sob determinadas curvas, nada mais
natural que usar integrais para c alculo de areas [5].
Exemplo 8.2. Por exemplo, para calcular a area entre a curva f(x) = 2x, os pontos
x = 0 e x = 3, e o eixo dado por y = 0, ha duas maneiras. Podemos usar a formula da area
do triangulo (base altura/2) e ver que A = 3 6/2 = 9. Usando integrais,
A =
_
3
0
2xdx = x
2

3
0
= 9,
como era de se esperar.

E claro que nem todos c alculos de areas sao t ao simples como o do exemplo acima.
Podemos por exemplo, calcular areas determinadas por curvas mais sosticadas.
Exemplo 8.3. Para calcular a area A determinada pela curva f(x) = sin x e os pontos
x = e x = 2 e o eixo dado por y = 0, basta ver que
_
2

sin xdx = cos x

= cos cos 2 = 2.

E claro que uma area nao pode ser negativa. O que da erradoneste exemplo e que a func ao
sin e sempre negativa entre e 2. A area determinada ent ao e simplesmente o negativo da
integral, i.e., A = 2.
8.3. INTEGRAIS IMPR

OPRIAS 59
Um cuidado extra tem que ser tomado se a func ao tomar valores positivos e negativos no
intervalo de interesse. Por exmplo, no exemplo acima, para achar a area de sin entre x = 0
e x = 2, nao se pode simplesmente calcular
_
2

sin xdx = 0.
Tem que se dividir o domnio que se quer integrar nas partes onde a func ao e positiva e onde
e negativa. A area e dada na verdade por
A =
_

0
sin xdx
_
2

sin xdx = 4.
Observa c ao. A area dada pela integral sem considerar os sinais e chamada `as vezes
de area algebrica, que pode ser negativa ou nula. A area que e sempre postiva, como as
determinadas acima, e por vezes chamada area geometrica.
Outro problema mais interessante relacionado a areas e o de areas entre curvas (na
verdade, os exemplos acima ja sao deste tipo, mas uma das curvas e dada por y = 0).
Considere as func oes reais f e g, denidas em R. Pode-se perguntar qual e a area entre as
curvas f(x), g(x), x = a e x = b. Neste caso, se f(x) g(x) entre a e b, ent ao a area e dada
por
A =
_
b
a
f(x) g(x) dx.
Se f for maior que g apenas em parte do domnio, a integral tem que ser quebrada em
partes para que nao surjam areas negativas.
Exemplo 8.4. Seja f(x) = 2x + 3, e g(x) = x
2
. Determine a area compreendida entre
f e g e entre x = 1 e x = 3. Note que em [1, 3], temos f(x) g(x), e portanto podemos
integrar f g para calcular a area:
A =
_
3
1
(2x + 3 x
2
) dx =
_
x
2
+ 3x
x
3
3
_

3
1
= 9 + 9 9 1 3 +
1
3
=
16
3
.
8.3. Integrais improprias
Integrais impr oprias sao integrais de func oes ilimitadas, ou em domnios ilimitados, e
seus valores sao dados atraves de limites, se estes existirem. Nestes casos, dizemos que as
integrais existem, ou convergem.
Em domnios ilimitados, as integrais podem ser
_

a
f dx = lim
b
_
b
a
f dx,
_
b

f dx = lim
a
_
b
a
f dx,
_

f dx =
_
0

f dx +
_

0
f dx.

E importante atentar para um detalhe nas integrais em (, ). Para esta existir, tem que
existir o limite lim
b
_
b
0
f dx e o limite lim
a
_
0
a
f dx, separadamente. Note que isto e
diferente de escever
_

f dx = lim
a
_
a
a
f dx.
60 8. INTEGRA C

AO
O valor acima e conhecido como valor principal de Cauchy, usado em alguns ramos da
matem atica. Para ver a diferenca entre as duas deni c oes, considere a func ao sinal de x
dada por f(x) = sgn(x). Isto e, f(x) = 1 para n umeros positivos e f(x) = 1 para n umeros
negativos. Ent ao f nao e integravel em (, ) pois nao existe lim
b
_
b
0
f dx = lim
b
b
nem lim
a
_
0
a
f dx = lim
a
a. Mas o valor principal de Cauchy esta bem denido
pois
_
a
a
f dx = 0 para todo a e ent ao
_

f dx = lim
a
_
a
a
f dx = 0.
Integrais em func oes nao limitadas sao denidas de forma analoga. Seja f : (a, b) R e
suponha f integravel em [a + , b] para todo > 0. Denimos ent ao
_
b
a
f dx = lim
0
_
b
a+
f dx
quando este limite existir. Quando a func ao e ilimitada numa vizinhanca de b, a deni c ao e
analoga:
_
b
a
f dx = lim
0
_
b
a
f dx
O ultimo caso e quando a singularidade ca no interior do intervalo. Por exemplo, seja
c (a, b) tal que f seja integravel em (a, c ) e em (c + , b). Denimos ent ao
_
b
a
f dx =
_
c
a
f dx +
_
b
c
f dx = lim
0
_
c
a
f dx + lim
0
_
b
c+
f dx.
Novamente, no caso acima, os dois limites tem que existir. Por exemplo, a func ao dada em
[1, 1] por f(0) = 0 e, se x ,= 0 por f(x) = sgn(x)/x nao e integravel. Mas o valor principal
de Cauchy
lim
0
__

1
1
x
dx +
_
1

1
x
dx
_
= 0
existe.
Exemplo 8.5. A integral impr opria
_
1
0
1/

xdx esta bem denida pois

lim
0
_
1

x
dx = lim
0
2

= 2.
Exemplo 8.6. As integrais impr oprias
_
1
0
1/xdx e
_

1
1/xdx nao existem pois
lim
0
_
1

1
x
dx = lim
0
log x

= +, lim
b
_
b
1
1
x
dx = lim
b
log x

b
1
= +.
Vemos neste exemplo que lim
x
f(x) = 0 nao garante que f seja integravel.
A exemplo de series, dizemos que uma integral impr opria de uma func ao f converge
absolutamente se [f[ for integravel. Temos ent ao o seguinte resultado.
Teorema 8.3.1. Se a integral de f converge absolutamente, ent ao a integral de f con-
verge. Em outraas palavras, [f[ integravel implica em f integravel.
8.3. INTEGRAIS IMPR

OPRIAS 61
Teorema 8.3.2. Sejam f 0 e g 0, com f g no domnio de interga cao. Entao,
_
g convergente implica em
_
f convergente. e
_
f divergente implica em
_
g divergente.
CAPTULO 9
Sequencias e Series
1
Neste captulo veremos sequencias e series. Como serie nada mais e que um caso
particular de sequencias, veremos os dois t opicos de forma unicada, chamando atenc ao
para as possveis diferencas.
9.1. Deni cao e resultados preliminares
Uma sequencia em R e simplesmente uma func ao de N em R. Portanto X : N
R indica uma sequencia de n umeros reais, que escrevemos tambem como (x
n
), ou ainda
(x
1
, x
2
, x
3
, . . . ). Para indicar o n-esimo valor da sequencia escrevemos simplesmente x
n
.
Sejam c
1
, c
2
. . . n umeros reais. Uma serie
(9.1.1)

i=1
c
i
pode ser compreendida atraves da sequencia s
n
denida por
(9.1.2) s
n
=
n

i=1
c
i
.
Em geral, a express ao (9.1.1) nem sempre faz sentido, enquanto (9.1.2) esta sempre bem-
denida.
Exemplo 9.1. x
n
= (1)
n
dene a sequencia (1, 1 1, 1, 1, 1, 1, . . . ).
Exemplo 9.2. A sequencia de Fibonacci e denida recursivamente por x
1
= 1, x
2
= 1,
e x
n+1
= x
n
+ x
n1
para n 2. Portanto temos (x
n
) = (1, 1, 2, 3, 5, 8, . . . ).
Podemos realizar com sequencias v arias das opera c oes que realizamos com n umeros reais,
como por exemplo somar, subtrair, etc. Sejam por exemplo (x
n
) e (y
n
) duas sequencias em
R, e c R. Ent ao denimos
(x
n
)+(y
n
) = (x
n
+y
n
), (x
n
)(y
n
) = (x
n
y
n
), (x
n
)(y
n
) = (x
n
y
n
), c(x
n
) = (cx
n
).
Exemplo 9.3. Se x
n
= (2, 4, 6, 8, . . . ) e (y
n
) = (1, 1/2, 1/3, 1/4, . . . ), ent ao x
n
y
n
=
(2, 2, 2, ).
A primeira pergunta que surge quando tratamos de sequencias e quanto `a convergencia
destas, isto e, se quando n aumenta, os termos x
n
se aproximam de algum valor real. Note
que para isto, nao importa o que acontece com nitos termos da sequencia, mas sim seu
comportamento assint otico com respeito a n. Em outras palavras queremos determinar o
comportamento das sequencias no limite.
1

Ultima Atualiza cao: 04/07/2012

63
64 9. SEQU

ENCIAS E S

ERIES
Defini c ao 9.1.1. Dizemos que x R e limite de uma sequencia (x
n
), se para todo
> 0, existe N N tal que [x x
n
[ < para todo n N. Escrevemos neste caso que
x
n
x, ou que x = limx
n
, ou ainda
x = lim
n
x
n
.
De forma resumida, x
n
x se para todo existir N N tal que
n N = [x x
n
[ < .
Se uma sequencia n ao tem limite, dizemos que ela diverge ou e divergente.
A deni c ao para series e analoga.
Defini c ao 9.1.2. Dizemos que s R e limite de uma serie

i=1
c
n
, se para todo > 0,
existe N N tal que

s
n

i=1
c
n

< para todo n N.

Escrevemos neste caso que que x =

i=1
c
n
. Se uma serie n ao tem limite, dizemos que ela
diverge ou e divergente.
Exemplo 9.4. Se x
n
= 1, ent ao limx
n
= 1. De fato, dado > 0, para todo n 1 temos
[x
n
1[ = 0 < .
Exemplo 9.5. lim(1/n) = 0. De fato, dado > 0, seja N tal que 1/N < . Logo, para
todo n > N temos [1/n 0[ = 1/n < 1/N < .
Exemplo 9.6. (0, 2, 0, 2, 0, 2, 0, 2, . . . ) nao converge para 0. De fato, tome = 1. Ent ao
para todo N N temos 2N > N e x
2N
= 2. Portanto [x
2N
0[ = 2 > .
Observe que diferentes situac oes ocorrem nos exemplos acima. No primeiro, a sequencia
e constante, e a escolha de N independe de . Ja no exemplo seguinte, N claramente depende
de .
A seguir, no exemplo 9.6 o objetivo e mostar que um certo valor x n ao e o limite da
sequencia (x
n
). Mostramos ent ao que existe pelo menos um certo > 0 tal que para todo
N, conseguimos achar n > N tal que [x
n
x[ > . Note que o que zemos foi negar a
convergencia.
Talvez a segunda pergunta mais natural em relac ao aos limites de sequencias e quanto
a unicidade destes, quando existirem. A resposta e armativa, como mostra o resultado
abaixo.
Teorema 9.1.3 (Unicidade de limite). Uma sequencia (uma serie) pode ter no maximo
um limite.
Demonstra c ao. Considere que (x
n
) e uma sequencia de reais tal que x
n
x e x
n
x

,
com x ,= x

. Sejam = [x x

[/2 > 0, e sejam N e N

N tais que [x
n
x[ < para todo
n > N e [x
n
x

[ < para todo n > N

. Logo, se n > maxN, N

, ent ao
[x x

[ [x x
n
[ +[x
n
x

[ < 2 = [x x

[.
Como um n umero nao pode ser estritamente menor que ele mesmo, temos uma contradi c ao.
Portanto x = x

e o limite e unico.
9.1. DEFINI C

AO E RESULTADOS PRELIMINARES 65
Para mostrar convergencia, podemos usar o resultado seguinte.
Teorema 9.1.4. Seja (x
n
) uma sequencia em R. Entao as armativas s ao equivalentes.
(1) (x
n
) converge para x.
(2) Para toda vizinhanca V de x existe N N tal que
n N = x
N
V.
Demonstra c ao. Fica como exerccio.
As vezes, uma sequencia se aproxima de algum valor de forma mais lenta que alguma outra
sequencia que converge para 0.

E possvel assim garantir convergencia, como o resultado a
seguir nos mostra.
Lema 9.1.5. Seja (a
n
) sequencia em R convergente para 0. Se para (x
n
) sequencia em R
existir c > 0 tal que
[x
n
x[ c[a
n
[ para todo n N,
ent ao x
n
x.
Demonstra c ao. Como (a
n
) converge, dado > 0, seja N N tal que [a
n
[ < /c para
todo n > N. Logo
[x
n
x[ c[a
n
[ < para todo n > N,
e limx
n
= x.
Corol ario 9.1.6. Seja (a
n
) sequencia em R convergente para 0. Se para (x
n
) sequencia
em R existir c > 0 e N N tal que
[x
n
x[ c[a
n
[ para todo n N,
ent ao x
n
x.
Exemplo 9.7. Seja x
n
= (2/n) sin(1/n). Enao
[x
n
0[ 2
1
n
.
Como 1/n 0, podemos usar o lema acima para garantir que lim[(2/n) sin(1/n)] = 0.
Uma outra noc ao importante e o de limitac ao de uma sequencia. Neste caso, mesmo
quando a sequencia nao converge, podemos conseguir alguns resultados parciais, como vere-
mos mais a seguir.
Defini c ao 9.1.7. Dizemos que uma sequencia (x
n
) e limitada quando existe um n umero
real M tal que [x
n
[ M para todo n N.
Um primeiro resultado intuitivo e que toda sequencia convergente e limitada. De fato,
e razo avel pensar que se a sequencia converge, ela nao pode ter elementos arbitrariamente
grandes em valor absoluto.
Teorema 9.1.8. Toda sequencia convergente e limitada
66 9. SEQU

ENCIAS E S

ERIES
Demonstra c ao. Seja (x
n
) sequencia convergente e seja x seu limite. Seja = 1. Como
(x
n
) converge, existe N tal que [x x
n
[ < 1 para todo n > N. Logo, usando a desigualdade
triangular temos
[x
n
[ [x
n
x[ +[x[ < 1 +[x[ para todo n > N.
Falta agora limitar os N primeiros termos da sequencia. Seja ent ao
M = max[x
1
[, [x
2
[, [x
3
[, . . . , [x
N
[, 1 +[x[.
Portanto [x
n
[ M para todo n N.
Existem situac oes em que a sequencia nao converge, mas tendem para + ou . Por
exemplo, as sequencias (1, 0, 9, 0, 25, 0, 36, . . . ) e (n
2
) nao convergem pois nao sao limitadas.
Entretanto, para a sequencia dada por x
n
= n
2
, para todo n umero C > 0 existe N N tal
que
n > N = x
n
> M.
quando isto acontece, dizemos que x
n
+ ou que limx
n
= +. Deni c ao analoga vale
para .
Outro resultado importante trata de limites de sequencias que sao resultados de opera c oes
entre sequencias. Por exemplo, dadas duas sequencias convergente, o limite da soma das
sequencias e a soma dos limites. E assim por diante.
Lema 9.1.9. Seja (x
n
) e (y
n
) tais que limx
n
= x e limy
n
= y. Ent ao
(1) lim(x
n
+y
n
) = x + y.
(2) lim(x
n
y
n
) = x y.
(3) lim(x
n
y
n
) = xy.
(4) lim(cx
n
) = cx, para c R.
(5) se y
n
,= 0 para todo n e y ,= 0, ent ao lim(x
n
/y
n
) = x/y.
Demonstra c ao. (1) Dado > 0, seja N N tal que [x
n
x[ < /2 e [y
n
y[ < /2
para todo n N. Logo
[x
n
+ y
n
(x + y)[ [x
n
x[ +[y
n
y[ < para todo n N.
(2) A demonstrac ao e basicamente a mesma de (1), tomando-se o devido cuidado com os
sinais.
(3) Para todo n N temos
[x
n
y
n
xy[ [x
n
y
n
x
n
y[ +[x
n
y xy[ = [x
n
[[y
n
y[ +[y[[x
n
x[.
Seja M R tal que [x
n
[ < M e [y[ < M. Tal constante M existe pois como (x
n
) converge,
ela e limitada. Agora, dado > 0, seja N tal que [y
n
y[ < /(2M) e [x
n
x[ < /(2M)
para todo n N. Logo,
[x
n
y
n
xy[ M[[y
n
y[ +[x
n
x[] < ,
para todo n N.
Deixamos (4) e (5) como exerccios para o leitor.
Observa c ao. Os resultados do lema acima continuam v alidos para um n umero nito
de somas, produtos, etc.
9.1. DEFINI C

AO E RESULTADOS PRELIMINARES 67
Outro resultado interessante nos diz que se a
n
e sequencia de n umeros positivos, ent ao
x
n
0 se e somente se 1/x
n
(resultado analogo vale trocando-se + por ). Ver
exerccio 9.3.
Outros resultados importantes para tentar achar um candidato limite vem a seguir.
O primeiro nos diz que se temos uma sequencia de n umeros positivos, ent ao o limite, se
existir, tem que ser nao negativo, podendo ser zero. A seguir, aprendemos que se temos
uma sequencia sanduichadas entre outras duas sequencias convergentes que tem o mesmo
limite, ent ao a sequencia do meio converge e tem tambem o mesmo limite.
Lema 9.1.10. Seja (x
n
) convergente com limx
n
= x. Se existe N N tal que x
n
0
para todo n > N, ent ao x 0.
Demonstra c ao. (por contradi c ao) Assuma que x < 0. Seja ent ao = x/2 > 0.
Como (x
n
) converge para x, seja N N tal que [x
n
x[ < para todo n > N. Logo,
x
N+1
(x , x + ), isto e, x
N+1
< x + = x/2 < 0. Obtivemos ent ao uma contradi c ao
pois x
N+1
nao e negativo.
Corol ario 9.1.11. Se (x
n
) e (x
n
) sao convergentes com limx
n
= x e limy
n
= y, e se
existe N N tal que x
n
y
n
para todo n > N, ent ao x y.
Demonstra c ao. Se z
n
= x
n
y
n
, ent ao limz
n
= limx
n
limy
n
= x y. O presente
resultado segue ent ao do Lema 9.1.10.
Lema 9.1.12 (sanduche de sequencias). Sejam (x
n
), (y
n
) e (z
n
) sequencias tais que
x
n
y
n
z
n
para todo n > N, para algum N N. Assuma ainda que (x
n
) e (z
n
)
convergem com limx
n
= limz
n
. Ent ao (y
n
) converge e limy
n
= limx
n
= limz
n
.
Demonstra c ao. Seja a = limx
n
= limz
n
. Dado > 0, existe N tal que [x
n
a[ < e
[z
n
a[ < para todo n > N. Logo
< x
n
a y
n
a z
n
a < = [x
n
a[ <
para todo n > N, como queramos demonstrar.
Exemplo 9.8. (n) diverge pois nao e limitada.
Exemplo 9.9. Seja S
n
= 1 + 1/2 + 1/3 + 1/4 + + 1/n. Mostraremos que (S
n
) nao e
limitada, e portanto divergente. Note que
x
2
n = 1 +
1
2
+
_
1
3
+
1
4
_
+
_
1
5
+
1
6
+
1
7
+
1
8
_
+ +
_
1
2
n1
+ 1
+
1
2
n
_
= 1 +
1
2
+
4

i=3
1
n
+
8

i=5
1
n
+ +
2
n

i=2
n1
+1
1
n
> 1 +
1
2
+
4

i=3
1
4
+
8

i=5
1
8
+ +
2
n

i=2
n1
+1
1
2
n
= 1 +
1
2
+
1
2
+
1
2
+ +
1
2
= 1 +
n
2
.
Logo (S
n
) nao e limitada, e portanto diverge.
Outra forma de ver que a sequencia acima diverge e por induc ao. Quero mostrar que
S
2
n 1 + n/2. Note que S
2
= 1 + 1/2. Assumindo que S
2
n1 1 + (n 1)/2 temos
S
2
n = S
2
n1 +
1
2
n1
+ 1
+ +
1
2
n
> 1 +
(n 1)
2
+
1
2
> 1 +
n
2
,
68 9. SEQU

ENCIAS E S

ERIES
como queramos demonstrar. Mais uma vez a conclusao e que (S
n
) nao e limitada, logo
diverge.
Exemplo 9.10. lim
n
_
(2n + 1)/n
_
= 2. De fato,
2n + 1
n
= (2) +
_
1
n
_
.
Como lim
n
(2) = 2 e lim
n
(1/n) = 0, nos obtemos o resultado.
Exemplo 9.11. lim
n
_
2n/(n
2
+ 1)
_
= 0, pois
2n
n
2
+ 1
=
2/n
1 + 1/n
2
.
Como lim
n
(2/n) = 0 e lim
n
(1 + 1/n
2
) = 1 ,= 0, podemos aplicar o resultado sobre
quociente de sequencias.
Exemplo 9.12. A sequencia
x
n
=
1
n
2
n

i=1
i
converge. Primeiro note que
(9.1.3)
n

i=1
i =
n
2
+ n
2
.
Para n = 1 o resultado (9.1.3) e trivial. Assuma (9.1.3) vedadeiro para n = k. Temos ent ao
que
k+1

i=1
i =
k
2
+ k
2
+ k + 1 =
k
2
+ 3k + 2
2
=
(k + 1)
2
+ (k + 1)
2
,
e portanto formula (9.1.3) e verdadeira. Temos ent ao que
x
n
=
n
2
+ n
2n
2
=
1
2
_
1 +
1
n
_
=
1
2
+
_
1
2n
_
.
Logo (x
n
) e soma de duas sequencias convergentes, (1/2) e (1/2)(1/n) e
lim
n
x
n
= lim
n
1
2
+ lim
n
1
2n
=
1
2
.
Exemplo 9.13. Seja (x
n
) sequencia convergente em R,e seja x R seu limite. Ent ao a
sequencia denida por
1
n
(x
1
+x
2
+ + x
n
)
converge e tem x como seu limite.
Sem perda de generalidade, supomos que (x
n
) converge para zero. Para o caso geral
quando (x
n
) converge para x basta tratar a sequencia (x
n
x).
Seja S
n
= (x
1
+x
2
+ +x
n
)/n. Como (x
n
) converge, ent ao e limitada. Seja M tal que
[x
n
[ < M para todo n N. Dado > 0, seja N

tal que M/N

< e sup[x
n
[ : n N

< .
Ent ao, temos S
n
=

S
n
+

S
n
, onde

S
n
=
1
n
(x
1
+ x
2
+ + x
N
),

S
n
=
1
n
(x
N
+ x
N

+1
+ + x
n
).
9.1. DEFINI C

AO E RESULTADOS PRELIMINARES 69
Ent ao (S
n
) e a soma de duas sequencias convergentes. De fato para n > (N

)
2
, temos
[

S
n
[ N

M/n M/N

< . Alem disso, [

S
n
[ < (n N

)/n < . Portanto (S

n
) converge.
Exemplo 9.14. lim
n
_
(sin n)/n
_
= 0 pois como 1 sin n 1, ent ao
1/n (sin n)/n 1/n,
e o resultado segue do lema 9.1.12.
Outro resultado importante refere-se `a convergencia do valor absoluto de sequencias:
se uma sequencia converge, entao a sequencia de valores absolutos tambem converge. A
reciproca n ao e verdadeira. Basta considerar como contra-exemplo a sequencia
_
(1)
n
_
.
Neste caso a sequencia diverge mas a sequencia de seus valores absolutos converge.
Lema 9.1.13. Seja (x
n
) convergente. Ent ao ([x
n
[) tambem o e.
Demonstra c ao. Exerccio.
Lema 9.1.14 (teste da raz ao). Seja (x
n
) sequencia de n umeros positivos tal que (x
n+1
/x
n
)
converge e lim
n
(x
n+1
/x
n
) < 1. Ent ao (x
n
) converge e lim
n
(x
n
) = 0.
Demonstra c ao. Seja L = lim
n
(x
n+1
/x
n
). Ent ao, por hipotese, L < 1. Seja r tal
que L < r < 1. Portanto dado = r L > 0, existe N tal que x
n+1
/x
n
< L + = r para
todo n N. Logo,
0 < x
n+1
< x
n
r < x
n1
r
2
< x
n2
r
3
< < x
N
r
nN+1
para todo n N.
Se c = x
N
r
N
. , ent ao 0 < x
n+1
< cr
n+1
. O resultado segue do Corol ario 9.1.6, pois como
r < 1, ent ao lim
n
r
n
= 0.
Corol ario 9.1.15. Seja (x
n
) tal que x
n
,= 0 para todo n N e
L = lim
n
[x
n+1
[
[x
n
[
existe e L > 1. Ent ao para todo C R existe N

N tal que
n N

= [x
n
[ > C.
Demonstra c ao. basta considerar o teste da raz ao para y
n
= 1/x
n
. Neste caso,
lim
n
[y
n+1
[
[y
n
[
= lim
n
[x
n
[
[x
n+1
[
= lim
n
1
|x
n+1
|
|xn|
=
1
lim
n
|x
n+1
|
|xn|
=
1
L
< 1.
Logo (y
n
) converge para zero, e para todo C R
+
existe N

tal que
n N

= [y
n
[ <
1
C
.
Portanto para n N

temos [x
n
[ > C e (x
n
) nao e limitada e nao converge.

Exemplo 9.15. Seja (x

n
) = n/2
n
. Ent ao
lim
n
_
x
n+1
x
n
_
= lim
n
_
n + 1
2
n+1
2
n
n
_
=
1
2
lim
n
_
n + 1
n
_
=
1
2
.
Pelo teste da raz ao temos lim
n
(x
n
) = 0
70 9. SEQU

ENCIAS E S

ERIES
Exemplo 9.16. Note que para x
n
= 1/n, temos lim
n
x
n+1
/x
n
= 1 e (x
n
) converge.
Entretanto, para x
n
= n, temos lim
n
x
n+1
/x
n
= 1 mas (x
n
) n ao convergente. Portanto o
teste nao e conclusivo quando o limite da raz ao entre os termos e um.
Um resultado importante em se tratando de series versa sobre o comportamento assint o-
tico dos termos que a compoem. Temos o seguinte resultado.
Lema 9.1.16. Seja a serie dada por

i=1
c
i
convergente. Ent ao lim
i
c
i
= 0.
Demonstra c ao. Note que se a serie converge para um valor S, as sequencia parciais
S
n
=

n
i=1
c
i
convergem para o mesmo valor S. Logo
lim
i
c
i
= lim
i
(S
i
S
i1
) = lim
i
S
i
lim
i
S
i1
= S S = 0.

Observa c ao. Do resultado acima, concluimos que se c

i
nao tem limite, ou se seu limite
nao e zero, a serie nao converge.
Uma classe de series especial e dada pelas series geometricas. Para r R, esta serie e
dada por

i=0
r
i
.
Note que as somas parciais S
n
=

n
i=0
r
i
divergem se [r[ 1, e convergem se [r[ < 1. De
fato, se [r[ 1, ent ao r
i
nao converge a zero, e portanto a serie nao converge. Para [r[ < 1,
temos
S
n
=
1 r
n+1
1 r
,
e portanto a serie converge para lim
n
S
n
= 1/(1 r).
9.2. Sequencias Monotonas
Um classe muito especial de sequencias e a de sequencias monotonas. Uma sequencia mo-
notona e tal que seus valores naooscilam, i.e., eles ou nunca diminuem ou nunca aumentam.
Pode-se ver que a deni c ao de sequencia monotona e restritas a uma dimensao.
Defini c ao 9.2.1. Dizemos que uma sequencia (x
n
) e crescente se x
1
< x
2
< <
x
n
< . . . e nao decrescente se x
1
x
2
x
n
. . . Similarmente, uma sequencia (x
n
)
e decrescente se x
1
> x
2
> > x
n
> . . . e nao crescente se x
1
x
2
x
n
. . . .
Finalmente, uma sequencia e monotona se for crescente ou decrescente.
Exemplo 9.17. (1, 2, 3, 4, . . . ) e crescente, e (1, 2, 3, 3, 3, 3, . . . ) nao decrescentes.
Exemplo 9.18. (1/n) e decrescente.
Exemplo 9.19. (1, 1, 1, 1, 1, . . . ) nao e monotona.
Teorema 9.2.2. Uma sequencia n ao crescente ou n ao decrescente e convergente se e
somente se e limitada.
Alem disso, se (x
n
) e n ao decrescente, ent ao lim
n
(x
n
) = supx
n
: n N. Da mesma
forma, se (x
n
) e n ao crescente, ent ao lim
n
(x
n
) = infx
n
: n N.
9.2. SEQU

ENCIAS MON

OTONAS 71
Demonstra c ao. ( = ) Ja vimos que toda sequencia convergente e limitada.
( = ) Assuma (x
n
) nao decrescente e limitada. Seja x = sup x
n
: n N. Ent ao dado
> 0, existe N tal que x < x
N
x < x + , pois x e o supremo. Logo, para todo
n > N temos x < x
N
x
n
x < x +, portanto x
n
converge para x. Se a sequencia for
nao-crescente, a demonstrac ao e an aloga.
Teorema 9.2.3. Uma sequencia de n umeros reais (x
n
), mon otona n ao decrescente e
limitada converge para seu supremo, i.e., converge para supx
n
: n N.
Demonstra c ao. Seja x = supx
n
: n N (que existe pois a sequencia e limitada).
Ent ao pela deni c ao de supremo, para todo > 0, existe N

N tal que x
N
(x , x).
Logo como a sequencia e monotona nao decrescente, temos
n > N

= x
n
> x
N
> x .
Mas para todo n N temos x
n
x por deni c ao de supremo. Logo
n > N

= x
n
> x
N
> x e x
n
< x + = x
n
(x , x + ).

Exemplo 9.20. (a
n
) diverge se a > 1 pois e ilimitada.
Exemplo 9.21. (a
n
) converge se 0 < a 1 pois e monotona decrescente e limitada.
Alem disso, lim
n
(a
n
) = 0, pois infa
n
: n N = 0.
Exemplo 9.22. (Bartle?) Seja y
1
= 1 e y
n+1
= (1 + y
n
)/3. Mostraremos que (y
n
) e
convergente e achamos seu limite. Note que y
2
= 2/3 < 1 = y
1
. Vamos mostrar por induc ao
que 0 < y
n+1
< y
n
. Esta armativa vale para n = 1. Assuma verdadeira para n = k 1,
isto e 0 < y
k
< y
k1
. Ent ao para n = k temos
y
k+1
= (1 + y
k
)/3 < (1 + y
k1
)/3 = y
k
,
e como y
k
> 0, ent ao y
k+1
> 0, como queramos. Portanto a sequencia e monotona nao
crescente e limitada inferiormente por zero. Portanto converge. Seja y seu limite. Ent ao
y = lim
n
y
n+1
= lim
n
(1 + y
n
)/3 = (1 + y)/3.
Logo y = 1/2.
Exemplo 9.23. Seja y
1
= 1, e y
n+1
= (2y
n
+3)/4. Note que y
2
= 5/4 > y
1
. Para mostrar
que y
n+1
> y
n
em geral, usamos induc ao. Note que para n = 1 o resultado vale. Assuma
agora que valha tambem para n = k para algum k, i.e., y
k+1
> y
k
. Ent ao
y
k+2
=
1
4
(2y
k+1
+ 3) >
1
4
(2y
k
+ 3) = y
k+1
.
Logo, por induc ao, y
n+1
> y
n
para todo n N, e (y
n
) e nao decrescente. Para mostrar que
e limitada, note que [y
1
[ < 2. Mais uma vez usamos induc ao a m de provar que em geral
[y
n
[ < 2. Assuma que [y
k
[ < 2. Logo,
[y
k+1
[ = [
1
4
(2y
k+1
+ 3)[ <
1
4
(2[y
k+1
[ + 3) <
7
4
< 2.
72 9. SEQU

ENCIAS E S

ERIES
Por induc ao, segue-se que [y
n
[ < 2 para todo n N. Como (y
n
) e monotona e limitada,
ent ao e convergente. Seja y = lim
n
(y
n
). Ent ao
y = lim
n
(y
n
) = lim
n
((2y
n
+ 3)/4) = ((2y + 3)/4).
resolvendo a equac ao algebrica acima, temos y = 3/2.
Exemplo 9.24. Assuma 0 < a < b, e dena a
0
= a e b
0
= b. Seja
a
n+1
=
_
a
n
b
n
, b
n+1
=
1
2
(a
n
+ b
n
),
para n N. Ent ao (a
n
) e (b
n
) convergem para o mesmo limite.
Vamos mostrar por induc ao que
(9.2.1) a
i+1
> a
i
, a
i
< b
i
, b
i+1
< b
i
para i = 0, 1, . . . .
Para i = 0 temos a
0
= a < b = b
0
. Logo, usando que y > x implica em

y >

x, e
que a
0
e b
0
sao positivos, temos a
1
=

a
0
b
0
> a
0
. Alem disso, b
1
= (a
0
+ b
0
)/2 < b
0
pois
a
0
< b
0
. Portanto (9.2.1) vale para i = 0. Assuma que valha tambem para i = n. Ent ao
a
n+1
=

a
n
b
n
> a
n
. Alem disso, b
n+1
= (a
n
+ b
n
)/2 < b
n
e b
n+1
= (a
n
+ b
n
)/2 > a
n
pois a
n
< b
n
por hipotese. Ent ao a
n+1
=

a
n
b
n
<
_
b
n+1
b
n
< b
n+1
. Logo (9.2.1) vale
tambem para i = n + 1. Portanto temos que (a
n
) e monotona nao decrescente e limitada
superiormente, enquanto (b
n
) e monotona nao crescente e limitada superiormente. Ambas
ent ao convergem e sejam A e B seus limites. Neste caso teremos
A =

AB, B =
1
2
(A + B).
e portanto A = B.
9.3. Exerccios
Exerccio 9.1. Demonstrar o Teorema 9.1.13.
Exerccio 9.2. Demonstrar o Teorema 9.1.4.
Exerccio 9.3. Mostre que se a
n
e sequencia de n umeros positivos, ent ao x
n
0 se e
somente se 1/x
n
.
Exerccio 9.4. Seja (x
n
) tal que x
n
,= 0 para todo n N e
L = lim
n
[x
n+1
[
[x
n
[
existe e L > 1. Mostre que para todo C R existe N

N tal que
n N

= [x
n
[ > C.
AP

ENDICE A
Uma introducao nao tao formal aos fundamentos da matematica
1
A matem atica se baseia na argumenta c ao l ogica. Outras areas do conhecimento, talvez
todas, podem tambem reclamar para si tal propriedade, Entretanto a matem atica e o pr oprio
desenvolvimento da argumenta c ao formal, e a l ogica aplicada.
Este aspecto da matem atica tem consequencias interessantes; seus resultados independem
da epoca, cultura e regiao em que foram gerados. O Teorema de Pit agoras, demonstrado por
fanaticos matem aticos (os pitagoricos), cerca de 500 A.C., sera v alido em qualquer lugar e
epoca (http://mathworld.wolfram.com/PythagoreanTheorem.html).
Outras areas tem teorias exatas que sao na verdade aproxima c oes da realidade, com
validade somente sob determinadas condi c oes (por exemplo, teoria da relatividade versus
fsica quantica). Mesmo certas deni c oes podem mudar. Como exemplo, em 1997 a unidade
de tempo segundo foi denida mais uma vez (http://en.wikipedia.org/wiki/Second). Quanto
ao pobre quilograma, bem, este ainda busca uma deni c ao adequada aos nossos tempos
(http://en.wikipedia.org/wiki/Kilogram).
Parece-me desnecess ario comentar sobre a volatilidade de v arias teorias economicas. . .
Nestes r apidos coment arios que seguem, pretendo passear por alguns aspectos de como a
matem atica funciona. Uma otima referencia e o livro do Terence Tao [19].
A.1. Argumenta cao formal
A.1.1. Armativas. Como funciona a argumenta c ao formal na pr atica? Objetos fun-
damentais sao as armativas (ou armac oes ou express oes l ogicas), que sempre sao verda-
deiras ou falsas, mas nunca verdadeiras e falsas simultaneamente. Por exemplo
2
1 + 1 = 2, (A.1.1)
1 = 2. (A.1.2)
Vou me adiantar armando que (A.1.1) e verdadeira e (A.1.2) e falsa. Esperando que o leitor
ja tenha se recuperado da surpresa, cabe aqui comentar que frases sem sentido como
= 1 + 3
nao sao armativas. Express oes do tipo 3+1 tambem nao. Uma regra usual e que armativas
tem verbos.
Armativas podem ser combinadas com ou e e gerando outras. Por exemplo, se a e
um n umero real qualquer, ent ao a armativa (a > 0 ou a 0) e verdadeira, mas (a > 0 e
a 0) nao o e. A regra geral e que se X e Y sao armativas, ent ao (Xe Y ) so e verdadeira
1

Ultima Atualiza cao: 09/01/2008

2
Suponho, por enquanto, que as propriedades de conjuntos e dos n umeros reais s ao conhecidas
73
74 A. UMA INTRODU C

AO N

AO T

AO FORMAL AOS FUNDAMENTOS DA MATEM

ATICA
se X e Y forem ambas verdadeiras. Similarmente, (Xou Y ) so e falsa se X e Y forem ambas
falsas. Note que se apenas uma das armativas for verdadeira, (Xou Y ) e verdadeira. Note
que esta noc ao pode diferir de um possvel uso corriqueiro do ou, como na frase ou eu, ou
ele camos. Neste caso quer-se dizer que ou eu co, ou ele ca, mas nao ambos este e o
chamado ou exclusivo.
3
Podemos tambem negar uma armativa. Se X e uma armativa verdadeira, ent ao (n ao
X) e falsa. Da mesma forma, se Y e uma armativa falsa, ent ao (n ao Y ) e verdadeira. Negar
uma armativa pode ser util pois para concluir que uma armativa Z e falsa, as vezes e mais
facil provar que (n ao Z) e verdadeira.
Seguramente, este papo poderia ir bem mais longe com a algebra de Boole ou booleana
(http://en.wikipedia.org/wiki/Boolean algebra).
A.1.2. Implicacoes. Os passos de uma argumenta c ao matem atica sao dados via im-
plicac oes. Se de um fato conhecido, por exemplo uma armativa verdadeira X, eu possso
concluir uma armativa verdadeira Y , ent ao eu escrevo
(A.1.3) X = Y,
e leio Ximplica Y , ou ainda se X ent ao Y . Por exemplo
(A.1.4) a > 0 = 2a > 0.
Abstraindo um pouco mais, note que (A.1.3) e (A.1.4) tambem sao armativas. Outros
exemplos de armativas:
0 = 0 = 0 = 0, (A.1.5)
0 = 1 = 0 = 0, (A.1.6)
0 = 1 = 0 = 1, (A.1.7)
0 = 0 = 0 = 1. (A.1.8)
As tres primeiras armativas acima sao verdadeiras. Somente a ultima e falsa. A primeira da
lista e uma tautologia (redundancia, do grego tauto, o mesmo), e e obviamente correta. Ja
a segunda e correta pois de hipoteses falsas pode-se concluir verdades (multiplique ambos os
lados de (A.1.6) por zero). A terceira e verdade pois se a hipotese e verdadeira, a conclusao,
sendo uma mera repetic ao da hipotese, tambem o e (este tipo de argumento e usado em
demonstrac oes por contradi c ao). Finalmente, (A.1.8) e falsa pois nao se pode deduzir uma
armativa verdadeira partindo-se de uma falsa.
A argumenta c ao (e a demonstrac ao) matem atica baseia-se em supor que algumas hipo-
teses sao verdadeiras e em concluir resultados atraves de implicac oes.
Note que a implicac ao nao e reversvel, i.e., se X = Y , nao podemos concluir que
Y = X. Realmente, x = 1 = x
2
= 1, mas x
2
= 1 ,= x = 1 (esta seta cortada e o
smbolo de n ao implica), ou seja, nao se pode concluir se x = 1 ou nao a partir da hipotese
x
2
= 1.
As vezes, tanto a implicac ao como seu reverso valem. Se por exemplo X = Y e
Y = X escrevemos simplesmente X Y , e lemos X se e somente se Y .
3
Outro termo matematico que pode ter sentido diferente do uso diario e em geral. Na matematica, em
geral quer dizer sempre, enquanto no dia-a-dia quer dizer quase sempre
A.1. ARGUMENTA C

AO FORMAL 75
A.1.3. Axiomas. E como comecar a construc ao da matem atica em si, i.e., quais sao as
hipoteses basicas que sao necessariamente verdadeiras? Iso e importante pois, como vimos,
partindo-se de hipoteses falsas pode-se chegar a conclusoes falsas, sem comprometer a l ogica.
Aqui entram os axiomas, premissas verdadeiras consideradas obvias.

E uma boa ideia que
este conjunto de premissas seja o menor possvel, i.e., um axioma do conjunto nao pode ser
demonstrada a partir dos outros.
A partir dos axiomas contr oi-se via implicac oes toda uma matem atica (mudando-se o
conjunto de axiomas, muda-se a matem atica).
Um exemplo de axioma vem a seguir.
Axioma A.1.1 (do conjunto vazio). Existe um conjunto que nao contem nenhum ele-
mento.
Suponha que se possa denir o que e uma pessoa careca, e considere o seguinte axioma.
Axioma A.1.2 (do o extra). Um careca que ganhar um o extra de cabelo continua
careca.
Pode-se concluir ent ao o seguinte resultado (tente demonstra-lo).
Se o Axioma do o extra vale, ent ao todos os seres humanos s ao carecas.
O alerta que o resultado acima nos fornece e que devemos ter cuidado com os axiomas
escolhidos. Resultados patologicos podem advir deles. E de fato, resultados estranhos
permeiam a matem atica. . .
A.1.4. Deni coes, lemas, teoremas. Uma das formas de se construir novos objetos
matem aticos e atraves de denicoes. Por exemplo podemos denir o conjunto dos n umeros
naturais como N = 1, 2, 3, . . .
4
. Outro exemplo: seja
f : Z R
x x
2
.
A express ao acima dene uma func ao chamada f que associa a cada n umero inteiro o seu
quadrado, levando-o nos reais.
E quanto a proposic oes dadas por lemas e teoremas
5
? Normalmente, lemas e teoremas sao
escritos `a parte, sendo compostos por hipoteses, e conclusoes explicitamente mencionadas.
Exemplos de lema e teorema vem a seguir.
Lema A.1.3. Supondo que o Axioma do conjunto vazio vale, ent ao existe somente um
conjunto vazio.
4
Alguns autores utilizam o smbolo := no lugar de = em denicoes. Esta e provavelmente uma boa ideia
pouco utilizada, e eu nao a seguirei.
5
Uma d uvida comum: qual a diferenca entre os tres? Bom, normalmente proposi c ao tem um car ater mais
geral, sendo uma senten ca l ogica verdadeira (na matematica usual). Ja um lema e proposicao preliminar,
que contribui na demonstra cao de um resultado principal, um teorema. Muitas vezes entretanto, o lema tem
interese proprio. Em geral, o gosto e o estilo do autor determinam o que e proposicao, lema ou teorema.
76 A. UMA INTRODU C

AO N

AO T

AO FORMAL AOS FUNDAMENTOS DA MATEM

ATICA
Teorema A.1.4 (de Fermat).
6
Seja n N, com n > 2. Entao n ao existem inteiros
positivos x, y, z tais que x
n
+ y
n
= z
n
.
A hipotese do lema A.1.3 e o axioma do conjunto vazio (Axioma A.1.1), e a conclusao e
de que so existe um conjunto vazio, isto e todos os conjuntos vazios sao iguais. Este e um
tpico resultado de unicidade. Ja no Teorema de Fermat A.1.4, impondo-se hipoteses sobre
a potencia n (ser inteiro e maior que dois), obtem-se um resultado de n ao existencia.
Normalmente lemas e teoremas descrevem resultados de interesse e nao triviais, i.e., as
conclusoes nao se seguem trivialmente das hipoteses. Algumas vezes entretanto casos impor-
tantes particulares sao facilmente obtidos de resultados mais gerais. Estes casos particulares
sao chamados de corolarios. O Teorema de Fermat por exemplo e um corolario de um outro
resultado mais poderoso (chamado Teorema da Modularidade).

E claro que trivialidade
nao e um conceito rigoroso e e certamente relativa.
A.1.5. Prova ou demonstracao. Uma prova ou demonstracao sao os passos l ogicos
para se concluir uma proposic ao. Algumas demonstrac oes sao simples, outras nem tanto. Por
exemplo, a demonstrac ao por Andrew Wiles do Teorema de Fermat fechou com chave de ouro
a matem atica do seculo XX. A prova e uma intricada sequencia de resultados publicada num
artigo de 109 paginas na mais conceituada revista de matematica, os Anais de Matem atica
de Princeton [22].
Antes da demonstrac ao de Wiles, o agora Teorema de Fermat era somente uma con-
jectura, um resultado que acredita-se verdadeiro mas que ninguem demonstrou. Uma ainda
conjectura famosa e a de Goldbach, que arma que todo inteiro par maior que dois pode ser
escrito como a soma de dois n umeros primos. Para n umeros menores que 10
18
, o resultado
foi checado computacionalmente, mas o caso geral ainda nao esta provado.
A.2. Demonstra cao por indu cao e contradi cao
Primeiro revemos aqui, atraves de um exemplo, como e possvel demonstrar alguns fatos
usando argumentos indutivos.
Considere a armativa
(A.2.1)
n

i=1
i =
n
2
(n + 1)
para todo n N.
Para demonstrar que (A.2.1) vale para todos os inteiros positivos, comecamos observando
que para n = 1, a armativa e obviamente verdadeira. Assuma ent ao que (A.2.1) seja verdade
para n = N

, i.e,
(A.2.2)
N

i=1
i =
N

2
(N

+ 1).
6
Enunciado de Fermat, na margem do livro Arithmetica de Diophantus: Cubum autem in duos cubos, aut
quadratoquadratum in duos quadratoquadratos, et generaliter nullam in innitum ultra quadratum potestatem
in duos eiusdem nominis fas est dividere cuius rei demonstrationem mirabilem sane detexi. Hanc marginis
exiguitas non caperet. (

E impossvel separar um cubo em dois cubos, ou a quarta potencia em quartas

potencias, ou em geral qualquer potencia em duas potencias iguais. Eu descobri uma demonstracao realmente
maravilhosa disto, para a qual esta margem e por demais exgua para caber.)
A.3. EXERCCIOS 77
Para n = N

+ 1 temos
N

+1

i=1
i = N

+ 1 +
N

i=1
i.
Usamos a hipotese indutiva (A.2.2) obtemos
N

+1

i=1
i = N

+ 1 +
N

2
(N

+ 1) =
N

+ 1
2
(N

+ 2),
e podemos concluir que (A.2.1) vale para n = N

+ 1, e portanto vale para todos os inteiros

positivos.
Um dos passos fundamentais, e algumas vezes esquecido, da demonstrac ao por induc ao
e mostrar que o resultado vale para algum valor inicial (na demonstrac ao acima, n = 1). De
fato, sem isto, podemos erroneamente provar que
(A.2.3) 2n e sempre mpar para todo n N,
com uma argumenta c ao obviamente falsa. De fato supondo que 2N

e mpar, temos que

2(N

+ 1) = 2N

+ 2 tambem e pois 2N

e mpar por hipotese, e somando 2 a um mpar

obtemos um mpar. O problema desta demonstrac ao e que nao se mostrou (A.2.3) para
nenhum n umero natural.
A demonstrac ao por contradi c ao segue os seguintes princpios l ogicos: se queremos mos-
trar que uma armativa implica noutra, podemos simplesmente negar este fato e tentar
chegar numa contradi c ao. Considere a armativa
(A.2.4) A para qualquer conjunto A.
Talvez uma demonstrac ao direta nao seja t ao facil. Mas suponha que (A.2.4) seja falso.
Ent ao existe algum conjunto A tal que A. Portanto existe algum elemento no conjunto
vazio que nao esta em A. Mas isto e um absurdo, pois o vazio nao contem nenhum elemento.
O que se vemos e que negar (A.2.4) (armar que (A.2.4) e falso) nos leva a concluir um
absurdo, e portanto (A.2.4) so pode ser verdade.
A.3. Exerccios
Exerccio A.1. Mostre por induc ao que n < 2
n
para todo n N.
Exerccio A.2. Prove que, para todo inteiro n > 1 tem-se que
1 +
n

i=2
1

i
= 1 +
1

2
+
1

3
+ +
1

n
>

n.
Exerccio A.3. Mostre por induc ao a desigualdade de Bernoulli: se x > 1, ent ao
(1 + x)
n
1 + nx para todo n N.
Exerccio A.4. Mostre usando contradi c ao que

2 nao e racional.
Exerccio A.5. Mostre usando contradi c ao que se p
1
, . . . , p
n
sao todos os n umeros pri-
mos menores ou iguais a p
n
, ent ao p
1
p
n
+ 1 nao e divisvel por p
i
para nenhum
i 1, . . . , n.
78 A. UMA INTRODU C

AO N

AO T

AO FORMAL AOS FUNDAMENTOS DA MATEM

ATICA
Exerccio A.6. Mostre usando contradi c ao que existem innitos n umeros primos.
Exerccio A.7. Usando induc ao, mostre que existe J N tal que j
2
10j > 0 para
todo inteiro j > J.
Exerccio A.8. Seja < 1 e n N. Mostre que
k

i=n

i
=
n
1
kn+1
1
para todo inteiro k n.
Referencias Bibliogracas
[1] G.

Avila, Calculo, Livros Tecnicos e Cientcos S.A., Rio de Janeiro, 1987. Vols. I, II e III.
[2] Robert G. Bartle, The elements of real analysis, 2nd ed., John Wiley & Sons, New York-London-Sydney,
1976. MR 0393369 (52 #14179)
[3] Robert G. Bartle and Donald R. Sherbert, Introduction to real analysis, 2nd ed., John Wiley & Sons
Inc., New York, 1992. MR 1135107 (92i:26002)
[4] Jose Boldrini, Sueli Costa, Vera Ribeiro, and Henry Wetzler,

Algebra Linear, Editora Harper & Row di
Brasil LTDA, Sao Paulo, 1978.
[5] W.A. Granville, P.F. Smith, and W.R. Longley, Elementos de c alculo diferencial e integral, Editora
Cientca, Rio de Janeiro.
[6] A.C. Chiang, Matematica para Economistas, McGraw-Hill, Sao Paulo.
[7] H.L. Guidorizzi, Um Curso de Calculo, Vol. Vols. 1 a 4, Forense-Universitaria, Rio de Janeiro. 2
a
ed.
[8] Djairo G. de Figueiredo, Func oes Reais, The PanAmerican Union, Washington D.C., 1970 (Portuguese).
[9] G. Hadley,

Algebra Linear, Forense-Universitaria, Rio de Janeiro.
[10] Elon Lages Lima,

Algebra Linear, Cole cao Matem atica Universitaria, Instituto de Matem atica Pura e
Aplicada, Rio de Janeiro, 1996 (Portuguese).
[11] , Curso de analise. Vol. 1, Projeto Euclides [Euclid Project], vol. 1, Instituto de Matem atica
Pura e Aplicada, Rio de Janeiro, 1976 (Portuguese). MR 654861 (83h:26002a)
[12] , Curso de analise. Vol. 2, Projeto Euclides [Euclid Project], vol. 13, Instituto de Matem atica
Pura e Aplicada, Rio de Janeiro, 1981 (Portuguese). MR 654862 (83h:26002b)
[13] , Espacos metricos, Projeto Euclides [Euclid Project], vol. 4, Instituto de Matem atica Pura e
Aplicada, Rio de Janeiro, 1977 (Portuguese). MR 654506 (83d:54001)
[14] Paul R. Halmos, Naive set theory, Springer-Verlag, New York, 1974. Reprint of the 1960 edition; Un-
dergraduate Texts in Mathematics. MR 0453532 (56 #11794)
[15] W. Keith Nicholson, Elementary Linear Algebra with applications, 2nd ed., PWS-Kent Publishing Com-
pany, Boston, 1990.
[16] Walter Rudin, Principles of mathematical analysis, 3rd ed., McGraw-Hill Book Co., New York, 1976.
International Series in Pure and Applied Mathematics. MR 0385023 (52 #5893)
[17] Carl Simon and L. Blume, Mathematics for Economists, Norton, New York, 1994.
[18] I. M. Singer and J. A. Thorpe, Lecture notes on elementary topology and geometry, Springer-Verlag,
New York, 1976. Reprint of the 1967 edition; Undergraduate Texts in Mathematics. MR 0413152 (54
#1273)
[19] Terence Tao, Analysis. I, Texts and Readings in Mathematics, vol. 37, Hindustan Book Agency, New
Delhi, 2006. MR 2195040 (2006g:26002a)
[20] , Analysis. II, Texts and Readings in Mathematics, vol. 38, Hindustan Book Agency, New Delhi,
2006. MR 2195041 (2006g:26002b)
[21] S. Viera, Matematica Financeira, Atlas, Sao Paulo.
[22] Andrew Wiles, Modular elliptic curves and Fermats last theorem, Ann. of Math. (2) 141 (1995), no. 3,
443551, DOI 10.2307/2118559. MR 1333035 (96d:11071)
79