Baixe o app para aproveitar ainda mais
Prévia do material em texto
INSTITUTO FEDERAL DE EDUCAÇÃO CIÊNCIA E TECNOLOGIA GOIANO-CAMPUS URUTAÍ CURSO DE LICENCIATURA EM MATEMÁTICA JAQUELINE CARVALHO MACHADO UM ESTUDO SOBRE MÁXIMOS E MÍNIMOS APLICADOS A PROBLEMAS DE PRODUÇÃO AGRÍCOLA E OTIMIZAÇÃO DE ÁREAS Urutaí 2019 JAQUELINE CARVALHO MACHADO UM ESTUDO SOBRE MÁXIMOS E MÍNIMOS APLICADOS A PROBLEMAS DE PRODUÇÃO AGRÍCOLA E OTIMIZAÇÃO DE ÁREAS Trabalho de Conclusão de Curso apresentado ao Curso de Licenciatura em Matemática do Instituto Federal de Edu- cação Ciência e Tecnologia Goiano-Campus Urutaí, como requisito parcial para obtenção do título de Licenciado em Matemática. Orientador: Prof. Dr. Dassael Fabricio dos Reis Santos Co-Orientador: Prof. Dr. Marcelo Bezerra Barboza Urutaí 2019 Sistema desenvolvido pelo ICMC/USP Dados Internacionais de Catalogação na Publicação (CIP) Sistema Integrado de Bibliotecas - Instituto Federal Goiano Responsável: Johnathan Pereira Alves Diniz - Bibliotecário-Documentalista CRB-1 n°2376 M149e Machado, Jaqueline Carvalho Um Estudo Sobre Máximos e Mínimos Aplicados a Problemas de Produção Agrícola e Otimização de Áreas / Jaqueline Carvalho Machado;orientador Dassael Fabrício dos Reis Santos; co-orientador Marcelo Bezerra Barboza. -- Urutaí, 2019. 64 p. Monografia ( em Licenciatura em Matemática) -- Instituto Federal Goiano, Campus Urutaí, 2019. 1. Cálculo. 2. Máximos. 3. Mínimos. 4. Problemas. 5. Otimização. I. Santos, Dassael Fabrício dos Reis, orient. II. Barboza, Marcelo Bezerra, co-orient. III. Título. Dedico este trabalho aos meus pais Valdeth e Celso, pelo exemplo de coragem e simplicidade e pela força e apoio que me proporcionaram durante esta caminhada. Agradecimentos Primeiramente agradeço a Deus pelo dom da vida e por estar sempre guiando os meus passos. Aos meus pais e aos meus avós por todo o amor que me deram, além da educação, ensinamentos, aconselhamentos e apoio. Agradeço também ao meu orientador Dr. Dassael Fabrício dos Reis Santos e ao meu co-orientador Marcelo Bezerra Barboza por me apoiarem com seus conhecimentos e técnicas, pela disponibilidade dispensada, pela confiança em mim depositada, a dedicação e paciência que demonstraram e também pelas sugestões que foram preciosas para a concretização deste trabalho. Aos demais professores do curso que com vossos conhecimentos, contribuíram para o sucesso deste trabalho. Aos meus amigos, por confiarem em mim e estarem do meu lado em todos os momentos da vida. Por fim, a todos aqueles que me ajudaram nessa trajetória, deixo o meu muito obrigada! Mas graças a Deus, que sempre nos conduz vitoriosamente em Cristo e por nosso intermédio exala em todo lugar a fragrância do seu conhecimento. 2 Co 2:14 RESUMO Neste trabalho, serão apresentados resultados e técnicas de solubilidade de problemas re- lacionados ao campo de estudos das Ciências Agrárias por meio de aplicações do Cálculo Diferencial e Integral. Mais precisamente, serão abordados, modelados e resolvidos aqui, problemas de produção agrícola e de otimização de áreas e regiões cujas soluções podem ser obtidas por meio das técnicas e aplicações do conceito de derivada. Para isto, serão uti- lizadas como ferramentas principais para o desenvolvimento deste trabalho: resultados de maximização e minimização de funções, teoremas de classificação de pontos críticos, as regras de derivação, técnicas de modelagem por meio de observação de padrões e análise de dados, dentre outros resultados do Cálculo. Palavras–chave: Cálculo; Máximos; Mínimos; Problemas; Otimização. ABSTRACT In this work, we will present results and techniques of solubility of problems related to the field of study of the Agrarian Sciences through applications of Differential and Integral Calculus. More precisely, we will be addressed, modeled and solved here, problems of agricultural production and optimization of areas and regions whose solutions can be obtained through of techniques and applications of the derivative concept. For this, will be used as main tools for the development of this work: maximization and minimization results of functions, theorems of classification of critical points, derivation rules, modeling techniques through observation of patterns and data analysis, among others results of the Calculus. Keywords: Calculus; Maximum; Minimum; Problems; Optimization. Lista de Figuras 1.1 Representação do Gráfico da Função f . 29 3.1 Trajeto Casa-Rio-Horta 55 3.2 Restrições de Fósforo e Nitrogênio 58 3.3 Restrições de Potássio e Não-negatividade 58 3.4 Conjunto viável do problema (3-58) 59 Lista de Tabelas 2.1 Concentração de Aℓ por acúmulo de Fósforo (P) 40 3.1 Produção y = f (t) em função da idade t da planta. 46 3.2 Variação da Produção y = f (t) em função da idade t da planta. 47 3.3 Produção y = f (t) de colmos de cana-de-açucar em função da quanti- dade t de nitrogênio adicionada. 50 3.4 Variação da produção em kg/ha em função da adição de Nitrogênio em kg/ha 51 3.5 Quantidade de Compostos para Adubação do Solo 57 3.6 Valor da Função f (x,y) nos Vértices da Região Viável 61 Sumário Lista de Figuras 8 Lista de Tabelas 9 INTRODUÇÃO 11 1 CONCEITOS BÁSICOS DO CÁLCULO: LIMITE, CONTINUIDADE E A DERI- VADA DE UMA FUNÇÃO 14 1.1 Limite e Continuidade de uma Função 14 1.2 Derivadas 23 2 PONTOS CRÍTICOS: MÁXIMOS, MÍNIMOS E TEOREMAS PARA OBTENÇÃO E CLASSIFICAÇÃO DE PONTOS ÓTIMOS 32 2.1 Pontos Críticos de uma Função 32 2.2 Testes para obtenção de pontos críticos 35 2.3 Polinômios de Taylor 38 3 APLICAÇÕES DO CÁLCULO: PROBLEMAS DE PRODUÇÃO AGRÍCOLA E OTIMIZAÇÃO DE ÁREAS 42 3.1 Problemas de Otimização da Área 42 3.2 Problemas de Maximização da Produção Agrícola 45 3.3 Problema de Otimização da Receita 53 3.4 Problema de Otimização do Trajeto para Irrigação 54 3.5 Problema de Minimização do Custo para Adubação 56 CONCLUSÃO 62 Referências Bibliográficas 63 INTRODUÇÃO O Cálculo Diferencial e Integral é uma das ferramentas matemáticas com maior aplicabilidade nas demais áreas das ciências. Historicamente, o Cálculo surgiu, de forma independente, por volta do século XVI nos trabalhos de Newton e Leibniz e, ao longo do tempo, se tornou ferramenta fundamental para o desenvolvimento da Matemática. Em termos gerais, o principal fundamento do Cálculo é o estudo sobre os conceitos e propriedades dos limites, derivadas e integrais de funções de uma ou de várias variáveis. Em Matemática, pode-se encontrar aplicações de derivadas e integrais, por exemplo, no cálculo de áreas de regiões limitadas e no cálculo do volume de sólidos geométricos limitados por funções. Além disso, pode-se utilizar resultados do estudo das derivadas para resolver problemas de maximização e minimização de quantidades e em estudos avançados de Matemática. Para Stewart (2014, p. 9), "O objeto fundamental do Cálculo são as funções. [...] uma função pode ser representada de diferentes maneiras: por uma equação, por uma tabela, por um gráfico ou por palavras". Nas Ciências Agrárias, que é parte do objeto de estudo deste trabalho, os conceitos e propriedades do estudo das derivadas e integrais constituem importantes ferramentas para modelagem de diversos problemas desta área como, por exemplo, em problemas de maximização de áreas para criação de animais e para produção de plantio ou, ainda, em problemas cuja finalidade é determinar o melhor período de colheita de certo produto para que se tenha produção máxima. Problemas desta natureza constituem aplicações importantes dos conceitos estudados no Cálculo para as Ciências Agrárias e são denominados "Problemas de Otimização". O principal fundamento da Otimização é encontrar uma solução que seja a mais eficiente possível, dadas certas condições conhecidas à priori. Problemas de maximização (como os exemplos citados acima) e problemas de minimização (como, por exemplo, minimizar o custo de uma produção para obtenção de maior lucro) são exemplos de problemas que propõe-se discutir e modelar neste trabalho.Em geral, o processo de modelagem de problemas como estes em termos matemáticos não é simples, e o modelo pode depender de uma ou de várias variáveis. Assim, a estratégia a ser seguida é transformar certa situação em um fenômeno Introdução 12 matemático que pode ser estudado em termos de uma função para a qual pode-se determinar os valores de máximo e mínimo que esta função atinge em um certo conjunto conhecido. Problemas deste tipo podem ser encontrados na Física, Química, Biologia, Agronomia e até mesmo como aplicações em estudos relacionados com a Medicina Veterinária. Segundo Stewart (2014, p. 294) "Na solução destes problemas práticos, o maior desafio está frequentemente em converter o problema em um problema de otimização matemática, determinando a função que deve ser maximizada ou minimizada". Neste sentido, o objetivo principal deste trabalho é apresentar modelos e soluções de problemas de otimização que surgem como aplicação do conceito de derivada no campo de estudos das Ciências Agrárias e Agronômicas criando, assim, ferramentas alternativas que possam ajudar os profissionais desta área na resolução de problemas com intuito de obter os melhores resultados possíveis. Para isto, utilizaremos como ferramentas principais, as técnicas de modelagem matemática e resultados do estudo das derivadas, tais como, teoremas para obtenção e classificação de pontos críticos. Alguns problemas que buscaremos resolver, por meio do Cálculo Diferencial e Integral, são: 1. Problema de Maximização de Área: O quanto de cerca deve ser gasto para formação de um piquete em um terreno que será utilizado para criação de rebanho ou produção de plantio sabendo que um dos lados do terreno já é limitado por um cercado? 2. Problema de Maximização de Produção: Qual é a idade de uma planta, que produz certo tipo de grão, em que deverá ser realizada a colheita para que a produção seja máxima, conhecendo a produção da planta em intervalos de tempos constantes? 3. Problema de Maximização de Produtividade: Qual a quantidade de árvores frutíferas um agricultor deve adicionar a sua plantação para que a produtividade de sua plantação seja máxima, conhecida a produtividade média por árvore que ele já possui plantada? 4. Problema de Minimização do Custo de Adubação: Qual a quantidade de adubo orgânico e adubo químico a ser combinado para adubação do solo de certa região que minimizam o custo de adubação desta região conhecendo as necessidades mínimas requeridas de cada adubo pelo solo e o custo de cada adubo? O primeiro passo para solucionar estes problemas é escrever precisamente qual a função que deverá ser analisada. Esta função poderá ser escrita em função de uma ou mais variáveis. Quando a função é de mais de uma variável devemos procurar expressar uma das variáveis em função da outra. (FLEMMING & GONÇALVES, 2006, p. 218) Introdução 13 Além disso, este trabalho tem por intuito mostrar que Agronomia, Engenharia Agrícola, Agronegócios e Matemática são áreas que estão intimamente ligadas por meio de muitas aplicações, e que o Cálculo Diferencial e Integral não é somente uma disciplina estudada por acaso nos cursos de graduação destas áreas, mas sim uma disciplina que oferece ferramentas suficientes para resolver situações que podem ocorrer no seu campo de trabalho e pesquisa. A metodologia utilizada para o desenvolvimento deste trabalho baseou-se no estudo, análise e síntese da bibliografia listada e por uma análise de dados coletados nos trabalhos referenciados ao longo dos capítulos, com objetivo de modelar situações- problemas que contribuissem com o desenvolvimento do trabalho e possibilitasse a conclusão da pesquisa. Para atingir este objetivo, estudou-se primeiramente a teoria básica do Cálculo Diferencial e Integral, tais como, limites, derivadas, integrais e suas aplicações, visto que estes conceitos são necessários para o avanço da pesquisa. Em seguida, estudamos técnicas de solubilidade de problemas de maximização e minimização aplicados às mais diversas áreas com intuito de aprimorar o conhecimento já adquirido e, com isto, modelar e resolver os problemas de otimização que foram propostos neste trabalho. Neste sentido este trabalho será dividido em três capítulos, como descrito a seguir: No primeiro capítulo, serão abordados, de forma introdutória, os principais conceitos do Cálculo Diferencial e Integral que servirão de base para o desenvolvimento deste trabalho, tais como, o estudo de limites e continuidade e os conceitos e propriedades do estudo das derivadas. O segundo capítulo trata dos resultados principais sobre aplicações de derivadas. Dentre os conceitos que aborda-se neste capítulo estão: máximos, mínimos e pontos críticos de uma função e os testes de classificação de pontos críticos de uma função em máximos e mínimos locais. Neste sentido, serão utilizados os testes da primeira derivada e da segunda derivada e o Teorema de Weierstrass para cumprir os objetivos do capítulo e com isso prosseguir com o avanço do trabalho. Por fim, o terceiro capítulo tem por objetivo aplicar os conteúdos estudados nos capítulos anteriores para solucionar problemas de otimização relacionados ao campo de estudos das Ciências Agrárias. Neste sentido, os principais problemas abordados aqui estão relacionados a otimização de produção agrícola e de áreas. CAPÍTULO 1 CONCEITOS BÁSICOS DO CÁLCULO: LIMITE, CONTINUIDADE E A DERIVADA DE UMA FUNÇÃO Neste Capítulo, serão apresentados os conceitos fundamentais do Cálculo Dife- rencial e Integral que servirão para dar base a construção de estudos posteriores. Mais precisamente, serão apresentados aqui, definições e propriedades referentes ao estudo dos limites e derivadas de funções contínuas. 1.1 Limite e Continuidade de uma Função Nesta seção serão apresentados os conceitos e propriedades fundamentais do estudo dos limites e das funções contínuas. De um modo geral, serão introduzidas, primeiramente, as definições de limite e continuidade de funções reais bem como suas propriedades e, a seguir, por meio de um estudo formal baseado na análise matemática, busca-se estudar os principais resultados destes tópicos que servirão de base para o desenvolvimento deste trabalho. Definição 1.1 Sejam I ⊂ R um intervalo aberto, a um ponto de acumulação1 de I e f : I −→ R uma função definida em I, exceto possivelmente no ponto a. Dizemos que o limite de f (x) quando x aproxima-se de a é L ∈ R, e escrevemos, lim x−→a f (x) = L, (1-1) se para todo ε > 0 suficientemente pequeno, existe um δ > 0, tal que, para todo x ∈ I, 0 <| x−a |< δ implica que | f (x)−L |< ε. 1Diz-se que a ∈R é um ponto de acumulação de I se a é limite de uma sequência de pontos no intervalo I. 1.1 Limite e Continuidade de uma Função 15 Em palavras, a definição acima afirma que o gráfico de f está suficientemente próximo da reta y = L a medida que x se aproxima de a. Segundo Neri (2006, p. 75), "A ideia intuitiva correta é dizer que f (x) é tão próximo de L quanto quisermos, bastando para isto tomar x suficientemente próximo de a". Já Lima (2006, p. 61) esclarece que na definição de limite é essencial que a seja um ponto de acumulação do conjunto I mas é irrelevante que a pertença ou não a I, isto é, que f esteja ou não definida no ponto a. O exemplo a seguir mostra como aplicar a definição 1.1 para o cálculo do limite. Se f (x) = kx+b, onde k,b ∈ R, tem-se lim x−→a (kx+b) = ka+b. (1-2) De fato, utilizando a definição de limite, deve-se mostrar que para todo ε > 0 suficientemente pequeno, existe um δ > 0, tal que, | (kx+b)− (ka+b) |< ε sempre que 0 <| x−a |< δ. (1-3) Com efeito, tomando δ = ε|k| , para 0 <| x−a |< δ, segue que: | (kx+b)− (ka+b) |=| k(x−a) |=| k || x−a |<| k | δ =| k | ε| k | = ε, (1-4) e isto verifica a igualdade (1-2). O teorema que será apresentado a seguir garante a unicidade do limite de uma função. Em todos os resultados que serão enunciados neste capítulo, considera-se a partir de agora I um subconjuntode R e a ∈ I um ponto de acumulação. Teorema 1.2 (Unicidade do Limite) Seja f : I −→ R uma função, tal que, lim x→a f (x) = L1 e lim x→a f (x) = L2. Então L1 = L2. Demonstração: Utilizando a definição de limite, para todo ε> 0 suficientemente pequeno dado, existem δ1 > 0 e δ2 > 0, tais que, 0 <| x−a |< δ1 implica que | f (x)−L1 |< ε 2 (1-5) 0 <| x−a |< δ2 implica que | f (x)−L2 |< ε 2 . (1-6) 1.1 Limite e Continuidade de uma Função 16 Defina δ = min{δ1,δ2}. Assim, 0 <| x−a |< δ implica que | L1 −L2 |=| L1 − f (x)+ f (x)−L2 |≤| f (x)−L1 |+ | f (x)−L2 |< ε 2 + ε 2 = ε. (1-7) Como ε é arbitrário, tem-se | L1 −L2 |= 0 e, portanto, L1 = L2. � Neste ponto, dado que se conhece os conceitos algébricos e geométricos do limite de uma função, nada mais natural do que se perguntar como operar limites. Os procedimentos para operar limites de funções são dados pelo teorema a seguir. Teorema 1.3 (Operações com Limites) Sejam f : I −→ R e g : I −→ R funções, a ∈ I, c ∈ R e n ∈ N, tais que, existem os limites, lim x−→a f (x) e lim x−→a g(x). (1-8) Então: (i) lim x−→a ( f (x)±g(x)) = lim x−→a f (x)± lim x−→a g(x); (ii) lim x−→a c f (x) = c lim x−→a f (x); (iii) lim x−→a [ f (x) ·g(x)] = lim x−→a f (x) · lim x−→a g(x); (iv) lim x−→a f (x) g(x) = lim x−→a f (x) lim x−→a g(x) , desde que lim x−→a g(x) 6= 0; (v) lim x−→a [ f (x)]n = [ lim x−→a f (x)]n. A prova deste resultado segue diretamente pelo uso da definição de limite (veja Definição 1.1). Para o leitor interessado em conhecer a demonstração do resultado anterior sugere-se consultar Flemming e Gonçalves ([4], 2006), Guidorizzi ([7], 2012) ou qualquer livro de Análise Real ou de Cálculo Diferencial e Integral. O Teorema a seguir fornece informações sobre o limite de uma função limitada por duas outras funções cujos limites são iguais. Este resultado é conhecido na literatura como Teorema do Confronto ou do Sanduíche. A demonstração que será apresentada para este resultado segue as ideias de Lima ([10], 2006). Teorema 1.4 (Confronto) Sejam f : I −→ R, g : I −→ R e h : I −→ R funções, a ∈ I e L ∈ R, tais que, f (x)≤ h(x)≤ g(x), para todo x ∈ I \{a}. Se lim x−→a f (x) = L e lim x−→a g(x) = L, (1-9) então, lim x−→a h(x) = L. 1.1 Limite e Continuidade de uma Função 17 Demonstração: Seja ε > 0 suficientemente pequeno. Utilizando a definição de limite em (1-9) segue que existem δ1 > 0 e δ2 > 0, tais que, 0 <| x−a |< δ1 implica que | f (x)−L |< ε (1-10) 0 <| x−a |< δ2 implica que | g(x)−L |< ε. (1-11) Tomando δ = min{δ1,δ2} e utilizando as propriedades das inequações modula- res, tem-se, 0 < |x−a|< δ implica que L− ε < f (x)< L+ ε e L− ε < g(x)< L+ ε. (1-12) Utilizando as hipóteses do Teorema, para todo x ∈ I ∩ (a− δ,a+ δ), conclui-se que, −ε < f (x)−L ≤ h(x)−L ≤ g(x)−L < ε, (1-13) e, consequentemente, | h(x)−L |< ε. Portanto lim x−→a h(x) = L. � Ao observar a função h(x) = x2 sin (1 x ) , por exemplo, nota-se que lim x−→0 sin (1 x ) não existe e, por isto, as propriedades de limites relacionadas no Teorema 1.3 não podem ser utilizadas. Com isto, calcular o limite de h(x) quando x está em uma vizinhança suficientemente pequena da origem pode tornar-se muito complicado. Porém, é fácil resolver este problema utilizando como técnica o Teorema do Confronto. Com efeito, lembre que h(x) é uma função limitada por 1, isto é, −1 ≤ sin (1 x ) ≤ 1. (1-14) Multiplicando os lados desta desigualdade por x2, obtém-se, −x2 ≤ x2 sin (1 x ) ≤ x2. (1-15) Definindo f (x) =−x2 e g(x) = x2, tem-se f (x)≤ h(x)≤ g(x) e lim x−→0 f (x) = 0 = lim x−→0 g(x) (1-16) e, pelo Teorema do Confronto, lim x−→0 x2 sin (1 x ) = 0. Note que, no estudo dos limites, o interesse maior estava voltado para o estudo do comportamento da função f nas proximidades do ponto a, mas sem preocupar no caso 1.1 Limite e Continuidade de uma Função 18 em que f assume este valor, isto é, f (a). Na verdade, de um modo geral, para que o limite da função f exista, quando x está em uma vizinhança do ponto a não há necessidade, se quer, que f esteja definida em a. Por exemplo, se f (x) = x2 −1 x−1 , (1-17) nota-se que f não está definida no ponto a = 1, mas lim x−→1 x2 −1 x−1 = 2. (1-18) Porém, em inúmeros casos, f (x) estará suficientemente próximo de f (a), a me- dida que x se aproximar de a. A esta classe de funções denominamos funções contínuas. Por conveniência, ao longo do trabalho, C(I) denotará o conjunto das funções contínuas em I, isto é, C(I) = { f : I −→ R; I ⊆ R e f é contínua}. Com isto, a notação f ∈ C(I) significa que f é uma função contínua em I. O estudo a seguir trata sobre os resultados e propriedades das funções contínuas. Primei- ramente, será definido o conceito de continuidade e, em seguida, serão apresentados al- guns resultados fundamentais do estudo das funções contínuas. Dentre estes resultados, destaca-se o Teorema do Valor Intermediário. A definição a seguir se baseia nas ideias de Lima ([10], 2006). Definição 1.5 Uma função f : I −→R é dita contínua no ponto a ∈ I se, para todo ε > 0 suficientemente pequeno, existe um δ > 0, tal que, para todo x ∈ I, tem-se que | x−a |< δ implica que | f (x)− f (a) |< ε. No caso especial em que a é um ponto de acumulação de I, então f é contínua no ponto a se as seguintes condições são satisfeitas: (i) f está definida no ponto a; (ii) existe o limite lim x−→a f (x); (iii) lim x−→a f (x) = f (a). Inúmeros exemplos de funções contínuas podem ser encontrados em estudos de Matemática. Dentre tais exemplos, pode-se citar: (i) As funções polinomiais da forma p(x) = anxn + · · ·+a1x+a0, que são contínuas para quaisquer a0,a1, · · · ,an ∈ R, n ∈ N e todo x ∈ R. (ii) As funções racionais da forma f (x) = p(x) q(x) , com q(x) 6= 0, que são contínuas em todos os pontos de seu domínio. (iii) As funções trigonométricas f (x) = sin(x) e g(x) = cos(x), que são contínuas para todo x ∈ R. 1.1 Limite e Continuidade de uma Função 19 (iv) A função exponencial f (x) = ex e a função logarítmica g(x) = log(x), que são contínuas para todo x ∈ R. Porém, os casos mais interessantes estão no estudo das funções que não são contínuas. Funções que não são contínuas são denominadas descontínuas. A função f (x) = x2 −1 x−1 , por exemplo, não é contínua no ponto a = 1, pois f não está definida neste ponto. Já a função g(x) = x2 −1 x−1 , se x 6= 1 ; g(1) = 1 (1-19) está definida em a = 1, mas não é contínua neste ponto, pois, lim x−→1 g(x) = lim x−→1 x2 −1 x−1 = limx−→1 (x−1)(x+1) x−1 = limx−→1(x+1) = 2 > 1 = g(1). (1-20) Também, a função f (x) = x |x| , se x 6= 0; f (0) = 0 (1-21) não é contínua no ponto a = 0, uma vez que, lim x−→0− f (x)< 0 < lim x−→0+ f (x) (1-22) e, consequentemente, não existe o limite lim x−→0 f (x). De um modo geral, funções contínuas podem ser obtidas por operações de outras funções contínuas. Assim, se f : I −→R e g : I −→R são funções contínuas em um ponto a ∈ I, então f +g, f −g, f ·g e f g são funções contínuas no ponto a, desde que, no último caso, tenha-se g(a) 6= 0. Além disso, se f é contínua em a e g é contínua em f (a), então a função composta g◦ f é contínua no ponto a e vale lim x−→a (g◦ f )(x) = g ( lim x−→a f (x) ) . (1-23) Com efeito, a prova da equação (1-23) segue das definições de limite e continui- dade. Com isto, pela continuidade de f e g tem-se, por (1-23), que lim x−→a (g◦ f )(x) = lim x−→a g( f (x)) = g ( lim x−→a f (x) ) = g( f (a)) = (g◦ f )(a), (1-24) e, consequentente, g◦ f é contínua em a. 1.1 Limite e Continuidade de uma Função 20 O resultado que será apresentado a seguir é visto como um dos mais importantes teoremas do Cálculo Diferencial e Integral e tem aplicações na teoria dos pontos fixos2 e na busca por soluções de equações do tipo f (x) = y, onde f é uma função contínua no intervalo I = [a,b] e y é um número real. Em suma, este teorema garante que se f é uma função contínua no intervalo I = [a,b], então f intersecta qualquer reta horizontal entreas retas f (a) e f (b). Este resultado é conhecido como Teorema do Valor Intermediário e será enunciado a seguir: Teorema 1.6 (Teorema do Valor Intermediário) Seja f : [a,b]−→ R uma função con- tínua e k um número, tal que, f (a) ≤ k ≤ f (b). Então existe pelo menos um número c ∈ [a,b] tal que f (c) = k. A prova que será apresentada a seguir se baseia nas ideias de Lima (2006). Outras demonstrações diferentes destas (utilizando o Método da Bisseção e o Teorema dos Intervalos Encaixantes, por exemplo) podem ser encontradas na bibliografia matemática. Neste trabalho optou-se pelas ideias de Lima (2006) por sua compacidade e relevância teórica. Demonstração do Teorema do Valor Intermediário: Sejam A = {x ∈ [a,b]; f (x)≤ k} e B = {x ∈ [a,b]; f (x)≥ k}. Note que, A 6= /0 pois a ∈ A, B 6= /0 pois b ∈ B, A∪B = [a,b] e que A e B são fechados3 donde A∩B = A∩B = A∩B. Afirma-se que A∩B = {x ∈ [a,b]; f (x) = k} 6= /0. Com efeito, se A∩B = /0 então A∪B é uma cisão não-trivial, pois A 6= /0 e B 6= /0, o que é impossível pois todo intervalo da reta só tem a cisão trivial4. Assim, A∩B 6= /0 e, portanto, f (c) = k para qualquer c ∈ A∩B. � Se pensarmos em uma função contínua como aquela cujo gráfico não tem nem saltos nem quebras, então é fácil acreditar que o Teorema do Valor Intermediário é verdadeiro. Em termos geométricos, ele afirma que, se for dada uma reta horizontal qualquer y = N entre y = f (a) e y = f (b), [...], então o gráfico de f não poderá saltar a reta. Ele precisará intersectar y = N em algum ponto. (STEWART, 2014, p. 115-116) O caso particular em que k = 0, conhecido como Teorema de Bolzano, é utilizado com frequência no estudo de existência de soluções de equações do tipo f (x) = 0, onde f é uma função contínua. O Teorema é o seguinte: 2Um ponto x ∈ X , tal que f (x) = x chama-se um ponto fixo da função f : X −→ R. 3Teorema [Lima, 2006, Teorema 1, Corolário 2, p. 74] - Sejam f ,g : I −→ R contínuas e Z = {x ∈ X ; f (x)≤ g(x)}. Existe F ⊂R fechado, tal que, Z = X ∩F . Em particular, se I é fechado então Z é fechado. 4Teorema [Lima, 2006, Teorema 5, p. 51] - Um intervalo da reta só admite a cisão trivial. 1.1 Limite e Continuidade de uma Função 21 Teorema 1.7 (Bolzano) Seja f : [a,b] −→ R uma função contínua, tal que, f (a) < 0 < f (b). Então, existe um número x ∈ (a,b), tal que, f (x) = 0. A prova deste resultado surge como aplicação direta do Teorema do Valor Intermediário. Para uma discussão mais profunda sobre o tema, sugere-se ao leitor consultar Flemming e Gonçalves ([4], 2006), Lima ([10], 2006), Neri ([12], 2006) e Stewart ([16], 2014). Como afirmado anteriormente, o Teorema do Valor Intermediário, na forma do Teorema de Bolzano, é utilizado com frequência para encontrar soluções de equações do tipo f (x) = 0. As aplicações a seguir ilustram esta situação. Mais precisamente, serão mostradas algumas aplicações do Teorema do Valor Intermediário à teoria de existência de soluções de equações polinomiais e a teoria do ponto fixo. Aplicação 1 (Solução de Equações Polinomiais): Seja f (x) = anx n + · · ·+a2x2 +a1x+a0 (1-25) uma função polinomial de grau n ímpar, onde ai ∈R e an 6= 0. Então, f admite pelo menos uma raiz real. De fato, note que, f (x) = anx n ( 1+ an−1 an x−1 + · · ·+ a2 an x2−n + a1 an x1−n + a0 an x−n ) . (1-26) Assim, lim x−→−∞ f (x) = lim x−→−∞ anx n =−∞ < 0 e lim x−→+∞ f (x) = lim x−→+∞ anx n =+∞ > 0, (1-27) e, consequentemente, existem a < 0 < b, tal que, f (a) < 0 < f (b). Além disso, f é contínua, pois f é polinomial. Pelo Teorema de Bolzano, existe c ∈ R, tal que, f (x) = 0, isto é, c é uma raiz real do polinômio f . Em particular, para busca por soluções da equação 4x3 − 6x2 + 3x = 2, defina f (x) = 4x3 − 6x2 + 3x− 2 e note que f é uma função polinomial de grau ímpar igual a 3. Logo, pelo Teorema de Bolzano, f admite uma raiz real. A ideia é estimar o menor intervalo de extremos inteiros que contenha tal raiz. Note, por simples cálculos matemáticos, que f (−2) = −64 < 0 < 170 = f (4). Como f é contínua, seu gráfico é uma curva suave que intersecta o eixo-x em algum ponto de [−2,4], que é raiz de f , ou seja, existe x ∈ (−2,4), tal que, f (x) = 0. Observe que o Teorema de Bolzano não permite encontrar a raiz em si, mas somente obter um intervalo que contenha esta raiz. Mas, por meio de algum método iterativo, pode-se obter um intervalo mais fino que contenha a raiz de f . Com efeito, seja x0 = 1 o ponto médio de [−2,4]. Logo, 1.1 Limite e Continuidade de uma Função 22 f (1) =−1 < 0 < 170 = f (4). Novamente, pelo Teorema de Bolzano, existe x ∈ (1,4), tal que f (x) = 0. Tal intervalo pode ser refinado por uma nova aplicação do Teorema de Bolzano. Com efeito, seja x0 = 52 o ponto médio de [1,4]. Como busca-se por um intervalo de extremos inteiros, seja x = 2 o primeiro número inteiro menor que x0 neste intervalo. Com isto, f (1) = −1 < 0 < 12 = f (2). Pelo Teorema de Bolzano, existe x ∈ (1,2), tal que, f (x) = 0. Assim, [1,2] é o menor intervalo de fronteira inteira contendo uma solução de f (x) = 0. Veja que este intervalo pode ser refinado por aplicações repetidas deste procedimento, obtendo uma melhor aproximação da raiz de f , se considerar números reais como pontos da fronteira. De fato, note que f (1,2) =−0,128< 0< 0,548= f (1,3) e, consequentemente, uma raiz deve estar no intervalo [1,2;1,3]. Novamente, nota-se que f (1,22) = −0,007008 < 0 < 0,056068 = f (1,23). Assim, uma raiz está no intervalo [1,22;1,23]. Por outro lado, nem todo polinômio f (x) de grau par tem raíz real como, por exemplo, no caso do polinômio f (x) = x2 +1. Aplicação 2 (Existência de Ponto Fixo): Em Matemática, muitos problemas advindos do estudo de Física e Engenharias podem ser modelados em termos de equações cuja solução é um ponto fixo de certa função a ser considerada. Aplicações do Teorema do Valor Intermediário na Teoria dos Pontos Fixos são estudadas com frequência em Matemática, devido a grande importância deste resultado para a teoria. Lima (2006) e Neri (2006), por exemplo, utilizam o Teorema do Valor Intermediário para encontrar pontos fixos de funções contínuas que satisfazem certa condição de crescimento. Baseados nestes trabalhos, mostraremos, como aplicação do Teorema do Valor Intermediário, a existência de pontos fixos de funções contínuas com certo comportamento em intervalos da forma [a,b]. Tal aplicação é um resultado singular em Equações Diferenciais denominado Teorema do Ponto Fixo de Brouwer. Teorema 1.8 (Ponto Fixo de Brouwer) Seja f : [a,b] −→ R uma função contínua com f (a)≥ a e f (b)≤ b. Então, existe pelo menos um número real c∈ (a,b), tal que, f (c) = c. Demonstração: A prova será baseada nas ideias de Lima (2006) e Neri (2006). Defina uma função g : [a,b] −→ R por g(x) = x − f (x), para todo x ∈ [a,b]. Note que g é contínua, pois é a diferença entre o polinômio do primeiro grau x e a função contínua f ou, equivalentemente, lim x−→x0 g(x) = lim x−→x0 (x− f (x)) = x0 − f (x0) = g(x0), x0 ∈ [a,b]. (1-28) 1.2 Derivadas 23 Além disso, g(a) = a− f (a) ≤ 0 ≤ b− f (b) = g(b). Pelo Teorema do Valor Intermediário, existe pelo menos um número real x ∈ (a,b), tal que, g(x) = 0. Pela definição de g, vale que, f (x) = x. Isto prova o Teorema. � Um fato interessante a ser observado é que o Teorema do Valor Intermediário e o Teorema do Ponto Fixo de Brouwer são equivalentes. Para conhecer uma prova da equivalência destes teoremas veja Pereira, Ferreira e Martins ([13], 2018). Na próxima seção, serão estabelecidos alguns resultados sobre derivadas que serão utilizados com frequência ao longo dos capítulos. 1.2 Derivadas Nesta seção, serão considerados os principais resultados referentes ao estudo das derivadas que servirão de base para o desenvolvimento deste trabalho. Para isto, sejam f : A ⊂ R −→ R e a ∈ A um ponto de acumulação de A. Primeiramente, será definido o conceito de derivada da função f no ponto a. Definição 1.9 A derivada de f no ponto a é definida pelo limite f ′(a)= lim x−→a f (x)− f (a) x−a , (1-29) quando este limite existe. Equivalentemente, se ∆x = x− a, então a derivada de f no ponto a é definida por f ′(a) = lim ∆x−→0 f (a+∆x)− f (a) ∆x . (1-30) Mais precisamente, em termos da definição de limite, a equação (1-29) significa que para todo ε > 0 dado, existe um δ > 0, tal que, para todo x ∈ A, tem-se que, 0 <| x−a |< δ implica que ∣ ∣ ∣ f (x)− f (a) x−a − f ′(a) ∣ ∣ ∣ < ε. (1-31) Além disso, diz-se que uma função é derivável quando existe a derivada em todos os pontos de seu domínio. Segundo Flemming e Gonçalves (2006, p. 121) "[...] este limite nos dá a incli- nação da reta tangente à curva y = f (x) no ponto (a, f (a)). Portanto, geometricamente, a derivada da função y = f (x) no ponto a representa a inclinação da curva neste ponto". Para a função f (x) = 4x2 −6x+2, por exemplo, tem-se que f ′(x) = 8x−6. 1.2 Derivadas 24 Com efeito, utilizando a definição de derivada dada anteriormente, segue f ′(x) = lim ∆x−→0 f (x+∆x)− f (x) ∆x = lim ∆x−→0 4(x+∆x)2 −6(x+∆x)+2− (4x2 −6x+2) ∆x = lim ∆x−→0 ∆x(8x+4∆x−6) ∆x = lim ∆x−→0 (8x+4∆x−6) = 8x−6 (1-32) Mais geralmente, verifica-se facilmente que a derivada da função f (x) = xn, para n ∈ N é f ′(x) = nxn−1. De fato, utilizando a definição de derivada e a decomposição polinomial por meio do Binômio de Newton, tem-se: f ′(x) = lim ∆x→0 f (x+∆x)− f (x) ∆x = lim ∆x→0 (x+∆x)n − xn ∆x = lim ∆x→0 ∆x((x+∆x)n−1 +(x+∆x)n−2x+ · · ·+(x+∆x)xn−2 + xn−1) ∆x = lim ∆x→0 (x+∆x)n−1 +(x+∆x)n−2x+ · · ·+(x+∆x)xn−2 + xn−1 = nxn−1. (1-33) Esta igualdade será essencial para cálculos futuros envolvendo derivadas de funções polinomiais. Analogamente, verifica-se que: (i) Se f (x) = 1 xn então f (x) = x−n e, assim, f ′(x) =−nx−n−1 =− n xn+1 , n ∈ N. (ii) Se f (x) = n √ xm então f (x) = x m n e, assim, f ′(x) = m n x m n −1 = m n x −n+m n , n,m ∈Z, n 6= 0. A derivada surgiu no século XVII, em conexão com o problema de traçar a reta tangente a uma curva. Mas há uma outra motivação da derivada, não menos importante que a da reta tangente: trata-se da ideia da taxa de variação, como no caso da velocidade de um móvel, da taxa de decaimento de um material radioativo, da taxa de crescimento de uma cultura de bactérias etc. (ÁVILA & ARAÚJO, 2013, p. 59) A partir de agora, será estabelecida a seguinte notação para o conjunto das funções deriváveis: H(A,R) = { f : A ⊂ R−→ R; f é derivável em a, a ∈ A}. 1.2 Derivadas 25 Observe que alguns cálculos podem se tornar um pouco complicados de se resol- ver utilizando a definição de limite. Isto depende que tipo de função se está interessado em obter a derivada. Para contornar estas dificuldades, utiliza-se algumas regras de derivação que podem ser demonstradas por meio da definição de limite de função. A seguir, serão apresentadas tais regras de derivação que são classificadas como operações de derivadas. Teorema 1.10 (Operações com Derivadas) Seja f ,g ∈H(A,R). Então: (1) (Derivada da soma): Se h(a) = f (a)±g(a), então h′(a) = f ′(a)±g′(a). (2) (Derivada do produto): Se h(a) = f (a)g(a), então h′(a) = f (a)g′(a)+ f ′(a)g(a). (3) (Derivada do quociente): Se h(a) = f (a) g(a) , onde g(a) 6= 0, então h′(x) = g(a) f ′(a)− f (a)g′(a) [g(a)]2 . (1-34) (4) (Derivada do Produto por Escalar): Se h(a) = α f (a), para α ∈ R, então h′(a) = α f ′(a). A prova do teorema acima segue diretamente da aplicação da definição de derivada. Mas, por uma questão de comodidade, esta demonstração não será apresentada neste trabalho. A nível de informação, e ao leitor interessado em conhecer a prova deste resultado, sugere-se consultar Lima ([10], 2006). Essas regras de derivação nos permitem calcular com relativa facilidade as derivadas de polinômios, funções racionais, funções algébricas, funções ex- ponenciais e logarítmicas, além de funções trigonométricas e trigonométricas inversas. (STEWART, 2014, p. 157) Se h(x) = (3x4 − 5x2)(2x3 − 10), por exemplo, então, utilizando a propriedade da derivada do produto, h′(x) = (3x4 −5x2)6x2 +(12x3 −10x)(2x3 −10) = 42x6 −50x4 −120x3 +100x. Semelhantemente, se h(x) = 3x 5−4 2x3−6x+4 , então, utilizando a propriedade da deri- vada do quociente, h′(x) = (2x3 −6x+4)15x4 − (3x5 −4)(6x2 −6) (2x3 −6x+4)2 = 12x7 −72x5 +60x4 +24x2 −24 (2x3 −6x+4)2 . Sabe-se, que dentre as funções mais importantes do estudo da Matemática estão as funções trigonométricas. Tais funções se aplicam em diversas situações cotidianas. Por isto, é útil conhecer as derivadas das funções trigonométricas elementares conhecidas na Matemática. Assim: 1.2 Derivadas 26 Teorema 1.11 (Derivadas das Funções Trigonométricas) As seguintes derivadas são verdadeiras: (i) Se f (x) = sin(x), então f ′(x) = cos(x). (ii) Se f (x) = cos(x), então f ′(x) =−sin(x). (iii) Se f (x) = tan(x), então f ′(x) = sec2(x). (iv) Se f (x) = cot(x), então f ′(x) =−csc2(x). (v) Se f (x) = sec(x), então f ′(x) = sec(x) · tan(x). (vi) Se f (x) = csc(x), então f ′(x) =−csc(x) · cot(x). Demonstração: A prova dos itens acima segue diretamente da definição de derivada e das relações entre funções trigonométricas. Será provado aqui somente o item (i) e os demais itens se provam de forma análoga. Com efeito, pela definição de derivada, se f (x) = sin(x), então: f ′(x) = lim ∆x−→0 sin(x+∆x)− sin(x) ∆x = lim ∆x−→0 sin(x)cos(∆x)+ sin(∆x)cos(x)− sin(x) ∆x = lim ∆x−→0 sin(x)(cos(∆x)−1)+ sin(∆x)cos(x) ∆x = lim ∆x−→0 ( sin(x) cos(∆x)−1 ∆x + cosx sin(∆x) ∆x ) = cos(x), (1-35) onde nas igualdades acima utilizou-se os seguintes limites fundamentais como ferramen- tas: lim x−→0 sin(x) x = 1 e lim x−→0 cos(x)−1 x = 0. (1-36) � O resultado que será apresentado a seguir, é uma das principais ferramentas do estudo das derivadas. Em termos gerais, este teorema mostra como derivar uma composição de funções deriváveis. Teorema 1.12 (Regra da Cadeia) Sejam f ∈ H(A,R) e g ∈ H(B,R), tal que, f (A) ⊂ B com b = f (a). Então a função composta g◦ f : A −→ R é derivável em a e tem derivada dada por: (g◦ f )′(a) = g′( f (a)) f ′(a). (1-37) Para prova deste resultado sugere-se ao leitor consultar Lima (2006, p. 92). Utilizando a Regra da Cadeia, pode-se mostrar que a função y(x) = cos(sin(ln( √ ex 2+1))) 1.2 Derivadas 27 é derivável, com derivada igual a y′(x) =−xsin(sin(ln( √ ex 2+1)))cos(ln( √ ex 2+1)). (1-38) De fato, sendo w(x) = x2 +1, v(x) = ex, u(x) = √ x, h(x) = ln(x), g(x) = sin(x) e f (x) = cos(x), então, é fácil ver que y(x) = ( f ◦ g ◦ h ◦ u ◦ v ◦w)(x). Assim, aplicando a regra da cadeia sucessivamente, segue que, y′(x) = f ′(g◦h◦u◦ v◦w(x))(g◦h◦u◦ v◦w)′(x) = f ′(g◦h◦u◦ v◦w(x))g′(h◦u◦ v◦w(x))(h◦u◦ v◦w)′(x) = f ′(g◦h◦u◦ v◦w(x))g′(h◦u◦ v◦w(x))h′(u◦ v◦w(x))(u◦ v◦w)′(x) = f ′(g◦h◦u◦ v◦w(x))g′(h◦u◦ v◦w(x))h′(u◦ v◦w(x))u′(v◦w(x))(v◦w)′(x) = f ′(g◦h◦u◦ v◦w(x))g′(h◦u◦ v◦w(x))h′(u◦ v◦w(x))u′(v◦w(x))v′(w(x))w′(x). Consequentemente, sabendo que w′(x) = 2x, v′(x) = ex, u′(x) = 2−1x− 1 2 , h′(x) = x−1, g′(x) = cos(x) e f ′(x) =−sin(x), tem-se y′(x) = −sin(sin(ln( √ ex 2+1)))cos((ln( √ ex 2+1)) 1√ ex 2+1 1 2 √ ex 2+1 ex 2+12x = −xsin(sin(ln( √ ex 2+1)))cos(ln( √ ex 2+1)), (1-39) como já havia sido afirmado. Analogamente, é fácil encontrar a derivada da função y = (3x2 + 1)3(x− x2)2 utilizando a regra da cadeia. Note, neste caso, que y(x) pode ser escrita como o produto de duas funções f (x) = (3x2+1)3 e g(x) = (x−x2)2. Assim, pela propriedade da derivada de um produto, y′(x) = f (x)g′(x)+ f ′(x)g(x). Mas, encontrando f ′(x) e g′(x) pela regra da cadeia, tem-se f ′(x) = 3(3x2 +1)26x e g′(x) = 2(x− x2)(1−2x). (1-40) Logo, y′(x) = (3x2 +1)32(x− x2)(1−2x)+3(3x2 +1)26x(x− x2)2 (1-41) 1.2 Derivadas 28 e, portanto, y′(x) = 2(3x2 +1)3(x− x2)(1−2x)+18x(3x2 +1)2(x− x2)2. (1-42) O resultado que a derivada da função composta f ◦g é o produto das derivadas de f e g. Esse fato é um dos mais importantes regras de derivação e é chamado Regra da Cadeia. Ela parece plausível se interpretarmos as derivadas como taxas de variação. Considere du/dxcomo a taxa de variação de u com relação a x, dy/du como a taxa de variação de y com relação a u e dy/dx como a taxa de variação de y com relação a x. Se u variar duas vezes mais rápido que x, e y três vezes mais rápido que u, então parece plausível que y varie seis vezes mais rápido que x. (STEWART, 2014, p. 179) O Teorema que será tratado a seguir é um dos resultados centrais do Cálculo Diferencial e Integral e tem implicações diretas em estudos avançados de Matemática. Tal resultado é conhecido como Teorema do Valor Médio e será enunciado a seguir. Teorema 1.13 (Teorema do Valor Médio) Seja f : [a,b]−→R uma função contínua no intervalo fechado [a,b] e derivável no intervalo aberto (a,b). Então, existe um número real c ∈ (a,b), tal que, f (b)− f (a) = f ′(c)(b−a) (1-43) O Teorema do Valor Médio foi formulado pela primeira vez por Joseph-Louis Lagrange (1736-1813), nascido na Itália, com pai francês e mãe italiana. Ele foi uma criança prodígio e se tornou professor em Turim na idade de 19 anos. Lagrange fez grandes contribuições à teoria dos números, à teoria das funções, à teoria das equações e às mecânicas analítica e celeste. Em particular, aplicou o cálculo na análise da estabilidade do sistema solar. A convite de Frederico, o Grande, ele sucedeu Euler na Academia de Berlim e após a morte de Frederico, Lagrange aceitou o convite do rei Luís XVI para viver em Paris, onde lhe foi dado um apartamento no Louvre. Lá, tornou-se professor da École Polytechnique. A despeito das armadilhas da fama e da luxúria, ele era um homem bondoso e quieto, que vivia somente para a ciência. (STEWART, 2014, p. 259) Para a prova do Teorema do Valor Médio será utilizado como ferramenta princi- pal o Teorema de Rolle. Em termos gerais, este teorema garante, sob certas condições, a existência de um ponto c, tal que, a reta tangente a f neste ponto é paralela ao eixo das abscissas. Teorema 1.14 (Teorema de Rolle) Seja f : [a,b] −→ R uma função contínua no inter- valo fechado [a,b] e derivável no intervalo aberto (a,b), tal que, f (a) = f (b). Então, existe um número c em (a,b) tal que f ′(c) = 0. Para uma demonstração formal deste resultado, sugere-se ao leitor que consulte Flemming e Gonçalves ([4], 2006), Lima ([10], 2006) e suas referências. A prova do Teorema do Valor Médio que será feita a seguir baseia-se em Stewart ([16], 2014, p. 258). 1.2 Derivadas 29 Geometricamente, o teorema do valor médio estabelece que, se a função y = f (x) é contínua em [a,b] e derivável em (a,b), então existe pelo menos um ponto c entre a e b onde a tangente à curva é paralela à corda que une os pontos P(a, f (a)) e Q(b, f (b)). (FLEMMING e GONÇALVES, 2006, p. 198) Demonstração do Teorema do Valor Médio: Sejam h(x) = ( f − y)(x), A = (a, f (a)) e B = (b, f (b)). O Teorema de Rolle será aplicado na função h e na função cujo gráfico é a reta secante rAB que liga os pontos A e B (veja figura 1.1). Veja que a equação da reta rAB pode ser escrita como y = y0 +mAB(x− x0), onde mAB = f (b)− f (a) b−a . (1-44) Assim, y = f (a)+ f (b)− f (a) b−a (x−a). (1-45) Com isto, h(x) = f (x)− y = f (x)− f (a)− f (b)− f (a) b−a (x−a). (1-46) Observe que h é contínua em [a,b], pois é soma de f com um polinômio do primeiro grau, ambos contínuos. A figura 1.1 a seguir regresenta geometricamente a situação descrita anteriormente. Figura 1.1: Representação do Gráfico da Função f . Fonte: Adaptado de Stewart ([16], 2014, p. 258). Além disso, h é derivável em (a,b), pois tanto f quanto o polinômio do primeiro grau são deriváveis. De fato, podemos calcular diretamente h′ da equação anterior: h′(x) = f ′(x)− f (b)− f (a) b−a (1-47) 1.2 Derivadas 30 Também, h(a) = h(b) = 0, pois, h(a) = f (a)− f (a)−mAB(a−a) = 0 e h(b) = f (b)− f (a)− f (b)− f (a) b−a (b−a) = 0. Consequentemente, pelo Teorema de Rolle, existe c ∈ (a,b), tal que, h′(c) = 0. Assim, 0 = h′(c) = f ′(c)− f (b)− f (a) b−a . (1-48) Portanto, f (b)− f (a) = f ′(c)(b−a), provando com isto o Teorema. � Uma consequência importante do Teorema do Valor Médio é a classificação das funções com derivada nula. Tal resultado será tratado aqui como uma aplicação do Teorema do Valor Médio. Aplicação 1 (Funções com Derivada Nula): Se f ′(x) = 0, para todo x ∈ (a,b), então f é constante em (a,b). Com efeito, sejam x1,x2 ∈ (a,b), tal que, x1 < x2. Como f é derivável em (a,b), f é, em particular, derivável em (x1,x2) e contínua em [x1,x2]. Pelo Teorema do Valor Médio, existe c ∈ (x1,x2), tal que, f (x2)− f (x1) = f ′(c)(x2 − x1) (1-49) Uma vez que f ′(x) = 0 para todo x ∈ (a,b), tem-se que f ′(c) = 0. Assim, por (1-49), f (x2)− f (x1) = 0 e, com isso, f (x2) = f (x1). Assim, f tem o mesmo valor em quaisquer dois números x1 e x2 em (a,b). Isso significa que f é constante no intervalo (a,b). Segue como uma consequência do resultado acima que se duas funções tem mesma derivada em um ponto, então a diferença entre elas é uma constante, isto é, "se f e g são funções deriváveis, tais que, f ′(x) = g′(x), então existe c ∈ R, tal que, f (x) = g(x)+ c." Com efeito, se f ′(x) = g′(x), então f ′(x)− g′(x) = 0, ou seja, ( f − g)′(x) = 0. Consequentemente, pela aplicação 1, existe uma constante c ∈ R, tal que, ( f −g)(x) = c. Portante, f (x) = g(x)+ c. Este resultado é importante no estudo do Cálculo Integral pois permite mostrar existência de inúmeras primitivas de uma função f no estudo de integrais. 1.2 Derivadas 31 Aplicação 2 (Velocidade Média): O Teorema do Valor Médio pode ser utilizado em estudos da Física relacionados à Velocidade Média. Por exemplo, um móvel que transita por uma rodovia, cujo limite de velocidade é de 70km/h, passa por um ponto A com velocidade 50km/h. Três minutos mais tarde, o móvel passa por um ponto B, a cinco quilômetros da primeira posição, com velocidade 55km/h. O Teorema do Valor Médio pode ser utilizado para mostrar que, em algum momento do percurso, o motorista ultrapassou o limite de velocidade naquela estrada. Com efeito, primeiro consideramos o tempo decorrido t em horas após o carro ter passado pelo ponto A na estrada e f a função que descreve seu deslocamento. Uma vez que três minutos corresponde a 120 de uma hora, a velocidade média do carro entre os pontos A e B da rodovia foi V m = f (B)− f (A) B−A = f ( 1 20 ) − f (0) 1 20 −0 = 55−50 1 20 = 5 ( 20 1 ) = 100 Km/h. (1-50) Para Pinto e Ercole (2009, p.197-198), "[...] Isso quer dizer que, em algum momento do percurso, o carro atingiu a velocidade de 100 Km/h (garantido pelo Teorema do Valor Médio), ultrapassando, assim, o limite de velocidade na estrada. Veja que de nada adianta a estratégia de reduzir a velocidade em pontos onde a velocidade seria registrada, se radares fossem colocados em dois marcos e o tempo de deslocamento entre eles fosse medido!". CAPÍTULO 2 PONTOS CRÍTICOS: MÁXIMOS, MÍNIMOS E TEOREMAS PARA OBTENÇÃO E CLASSIFICAÇÃO DE PONTOS ÓTIMOS O Cálculo Diferencial e Integral é uma das ferramentas matemáticas com maior aplicabilidade nas mais diversas áreas das ciências. Aplicações dos conceitos de derivada e integral constituem importantes ferramentas para modelagem de diversos problemas de maximização ou minimização de certa grandeza. Tais problemas são conhecidos como problemas de otimização e constituem uma parte importante no estudo da Matemática. Neste capítulo serão apresentados conceitos e propriedades referentes ao estudo dos pontos críticos de uma função e os testes de classificação de pontos críticos em pontos de máximo ou mínimo. 2.1 Pontos Críticos de uma Função Nesta seção, serão desenvolvidos os conceitos teóricos e os principais resultados relacionados a máximos e mínimos de funções, com objetivo de aplicá-los para resolver certos problemas de otimização. Segundo Xavier (2017, p. 14) "Problemas de otimização consistem na modela- gem de um fenômeno em estudo, onde uma grandeza é dada por uma função contendo uma ou mais variáveis, cujo intuito é determinar o valor máximo ou mínimo de tal fun- ção". Parainiciar este estudo, primeiramente, serão definidos os conceitos de máximos e mínimos globais e locais de uma função definida em um subconjunto A. Para isto, ao longo deste capítulo, A denotará um subconjunto de R e f : A −→ R é uma função derivável em A. Assim como no capítulo 1, as observações importantes serão apresentadas como notas de rodapé ou por meio de referências. As definições que serão dadas à seguir se baseiam em Stewart ([16], 2014). 2.1 Pontos Críticos de uma Função 33 Definição 2.1 Sejam f : A −→ R uma função e c ∈ A. Diz-se que: (i) A função f tem máximo global1 em c se f (c) ≥ f (x) para todo x ∈ A. Neste caso, o número f (c) é chamado valor máximo de f em A. (ii) A função f tem um mínimo global em c se f (c)≤ f (x) para todo x ∈ A. Neste caso, o número f (c) é denominado valor mínimo de f em A. Definição 2.2 Sejam f : A −→ R uma função e c ∈ A. Diz-se que: (i) A função f tem máximo local2 em c se existe um intervalo I ⊂ R, com c ∈ I, tal que f (c)≥ f (x), para todo x ∈ I ∩A. (ii) A função f tem mínimo local em c se existe um intervalo I ⊂ R, com c ∈ I, tal que f (c)≤ f (x), para todo x ∈ I ∩A. Um boa maneira de se determinar os pontos de máximo e de mínimo de uma função f é estudá-la com relação a crescimento e decrescimento. Sejam a < c < d; se f for crescente em (a,c] e descrescente em [c,b), então c será um ponto de máximo local de f ; se f for decrescente em (a,c] e crescente em [c,b), então c será um ponto de mínimo local de f . (GUIDORIZZI, 2012, p. 273) Os valores máximo e mínimo de f são, também, chamados valores extremos de f e os pontos de máximo e mínimo de f são denominados pontos extremantes de f . Claramente, as funções f (x) = −x2 e f (x) = x2 admitem pontos de máximo global e mínimo global, respectivamente, no ponto c = 0. Já a função f (x) = x3, definida para x real, não admite ponto de máximo e nem ponto de mínimo em c = 0, pois existem pontos x > c, tais que f (x)> f (c) e pontos x < c, tais que, f (x)< f (c). O resultado apresentado à seguir é uma forte ferramenta para garantir existência de máximo ou mínimo global de f em conjuntos compactos3. Tal resultado é conhecido como "Teorema de Weierstrass". Teorema 2.3 (Weierstrass) Se f : A −→ R é uma função contínua e A ⊂ R é um subconjunto compacto, então existem a,b ∈ A, tais que, f (a) = min x∈A f (x) e f (b) = max x∈A f (x). (2-1) As funções trigonométricas f (x) = sin(x) e g(x) = cos(x) definidas para todo x ∈ [0,2π], por exemplo, assumem valores de máximo e mínimo, respectivamente, nos pontos 1 e −1. Mais precisamente, como f e g são funções contínuas e [0,2π] é um conjunto compacto, então pelo Teorema de Weierstrass f e g assumem valores de máximo e mínimo neste conjunto, ou seja, f (π 2 ) = max x∈[0,2π] f (x) = 1, f (3π 2 ) = min x∈[0,2π] f (x) =−1 (2-2) 1Pontos de máximo (ou mínimo) globais de f são também denominados máximo (ou mńimo) absolutos. 2Pontos de máximo (ou mínimo) locais de f são também denominados máximo (ou mńimo) relativos. 3Um subconjunto A ⊂ R é compacto se A é fechado e limitado. 2.1 Pontos Críticos de uma Função 34 e g(0) = g(2π) = max x∈[0,2π] g(x) = 1, g(π) = min x∈[0,2π] g(x) =−1. (2-3) A prova do Teorema de Weierstrass segue da compacidade do conjunto f (A). Com efeito, como f é contínua e A compacto, segue que f (A) é compacto4. Conse- quentemente, f (A) admite menor e maior elemento, isto é, existem a,b ∈ A, tais que, f (a) = min x∈A f (x) e f (b) = max x∈A f (x), ou seja, f (a) e f (b) são valores de máximo e mí- nimo de f . O Teorema de Weierstrass nos conta que, se f for contínua em [a,b], então existirão x1 e x2 em [a,b] tais que f (x1) é o valor de mínimo de f em [a,b] e f (x2) é o valor de máximo de f em [a,b]. Ou de outra forma: f assumirá em [a,b] valor de máximo e valor de mínimo. (GUIDORIZZI, 2012, p. 122) Vale observar que se f é uma função derivável no ponto c e c é um ponto de máximo ou mínimo local de f , então f ′(c) = 0. Isto motiva a seguinte definição: Definição 2.4 (Ponto Crítico) Sejam f : A ⊂ R−→ R uma função derivável e c ∈ A. Se f ′(c) = 0 ou f ′(c) não existe, então c é denominado ponto crítico de f . O resultado que será apresentado a seguir mostra que pontos de máximos ou mínimos locais de f são, na verdade, pontos críticos desta função. Teorema 2.5 Se f : A ⊂ R −→ R tem um máximo ou mínimo local em c, então c é um ponto crítico de f , isto é, f ′(c) = 0. De fato, suponha, sem perda de generalidade, que c é um ponto de mínimo local de f . Então, existe um intervalo I, contendo c, tal que, f (x)− f (c)≥ 0, para todo x∈ I∩A. Assim, f ′−(c) = lim x−→c− f (x)− f (c) x− c ≤ 0 e f ′ +(c) = lim x−→c+ f (x)− f (c) x− c ≥ 0. (2-4) Logo, 0 ≤ f ′+(c) = f ′(c) = f ′−(c) ≤ 05 e, portanto, f ′(c) = 0. É importante ressaltar que a recíproca do resultado acima não é verdadeira, isto é, nem todo ponto crítico é um ponto de máximo ou de mínimo local de f . Com efeito, se f (x) = x3, então f tem derivada dada por f ′(x) = 3x2. Resolvendo a equação f ′(x) = 0, tem-se que x = 0 é o único ponto crítico desta função. Mas, x = 0 não é ponto de máximo local e nem mínimo local da função f pois f (−1)< f (0)< f (1). 4Teorema [Lima, 2006, Teorema 7, p. 81] - A imagem f (A) de um conjunto compacto A ⊂ R é compacto para f : A −→ R contínua. 5 f ′−(c) e f ′ +(c) são, respectivamente, as derivadas laterais a esquerda e a direita de f no ponto c. 2.2 Testes para obtenção de pontos críticos 35 Segundo Flemming e Gonçalves (2006, p. 195), o teorema acima pode ser interpretado geometricamente da seguinte forma: Se f assume um valor extremo relativo em c e sua derivada f ′(c) existe, então o gráfico da função y = f (x) apresenta uma reta tangente horizontal no ponto x = c. Observação: Stewart ([16], 2014, p. 252) sugere o procedimento a seguir para determi- nação de pontos de máximo e mínimo de uma função f : se A for um intervalo fechado da forma [a,b] e f : [a,b] −→ R for uma função derivável, então para encontrar os valores máximo e mínimo absolutos de f em [a,b] basta seguir os seguintes passos: 1. Determinar os pontos críticos de f em (a,b); 2. Encontrar os valores de f nos pontos críticos encontrados no passo anterior; 3. Encontrar os valores de f na fronteira do intervalo. 4. O maior e o menor valor entre todos os valores encontrados serão, respectivamente, o valor máximo e o valor mínimo absoluto de f em [a,b]. Considere, por exemplo, a função polinomial f : [ − 12 ,4 ] −→ R dada por f (x) = x3 −3x2 +1. Observe que f é derivável em [ − 12 ,4 ] , com derivada dada por f ′(x) = 3x2 −6x = 3x(x−2). (2-5) Resolvendo a equação f ′(x) = 0 para encontrar pontos críticos de f , obtém-se x = 0 e x = 2. E estes são os únicos pontos críticos de f em ( − 12 ,4 ) . Consequentemente, f (0) = 1 e f (2) =−3 são os valores críticos de f nestes pontos. Por outro lado, os valores de f na fronteira do intervalo são f ( − 12 ) = 18 e f (4) = 17. Comparando esses quatro números, tem-se que o ponto de máximo absoluto de f é x = 4 e o ponto de mínimo absoluto de f é x = 2. Veja que, neste exemplo, o máximo absoluto ocorre na fronteira do intervalo, enquanto o mínimo absoluto ocorre no interior deste intervalo. 2.2 Testes para obtenção de pontos críticos Nesta seção, serão apresentados os principais resultados de classificação de pon- tos críticos em pontos de máximo local ou mínimo local de uma função f . Primeiramente, serão definidos os conceitos de crescimento e decrescimento de uma função. Definição 2.6 Seja f : A ⊂ R−→ R uma função. Diz-se que: (i) f é crescente se f (x)< f (y) sempre que x < y, para todo x,y ∈ A. (ii) f é decrescente se f (x)> f (y) sempre que x < y, para todo x,y ∈ A. 2.2 Testes para obtenção de pontos críticos 36 O resultado que será apresentado a seguir utiliza informações sobre a derivada de f para classificá-la quanto ao crescimento ou descrescimento. Para isto, considera-se A como um intervalo da forma [a,b], a,b ∈ R. Teorema 2.7 Seja f : [a,b]−→ R uma função derivável.(i) Se f ′(x)> 0 em [a,b], então f é crescente neste intervalo. (ii) Se f ′(x)< 0 em [a,b], então f é descrente neste intervalo. Por uma questão de simplicidade, e para não fugir aos objetivos aqui propostos, não será demonstrado, neste trabalho, o resultado acima. Mas para o leitor interessado em conhecer a prova, sugere-se consultar Flemming e Gonçalves ([4], 2006), Stewart ([16], 2014) e suas referências bibliográficas. O teorema a seguir é o primeiro resultado de classificação que será apresentado neste trabalho. Em geral, este resultado trata sobre classificação dos pontos críticos de uma função f por meio de informações sobre a derivada de primeira ordem desta função. Teorema 2.8 (Teste da Primeira Derivada) Sejam f : A ⊂R−→R uma função derivá- vel e c ∈ A, tal que, f ′(c) = 0. (i) Se f ′(x)> 0 para x < c e f ′(x)< 0 para x > c, então f tem um máximo local em c. (ii) Se f ′(x)< 0 para x < c e f ′(x)> 0 para x > c, então f tem um mínimo local em c. Demonstração: Como f ′(x)> 0 para x < c e f ′(x)< 0 para x > c, pelo Teorema 2.7, f é crescente para todo x < c e decrescente para todo x > c. Portanto, f (x)< f (c), para todo x em uma vizinhança do ponto c e, consequentemente, c é um ponto de máximo local da função f . Analogamente, como f ′(x)< 0 para x < c e f ′(x)> 0 para x > c, pelo Teorema 2.7, f é decrescente para todo x < c e crescente para todo x > c. Portanto, f (x) > f (c), para todo x em uma vizinhança do ponto c e, consequentemente, c é um ponto de mínimo local da função f . � O teorema acima será utilizado para classificar os pontos críticos da função f (x) = 3x4 −4x3 −12x2 +5. Primeiro, note que f tem derivada dada por f ′(x) = 12x3 −12x2 −24x = 12x(x2 − x−2) = 12x(x−2)(x+1). (2-6) Resolvendo a equação f ′(x) = 0, obtém-se que −1,0,2 são os únicos pontos críticos de f . Definindo H = (−∞,−1), I = [−1,0), J = [0,2) e K = [2,+∞) tem-se que R= H ∪ I ∪ J∪K e (i) f ′(x) = { 12x(x−2)(x+1)< 0, ∀x ∈ H 12x(x−2)(x+1)> 0, ∀x ∈ I \{−1}. 2.2 Testes para obtenção de pontos críticos 37 (ii) f ′(x) = { 12x(x−2)(x+1)> 0, ∀x ∈ I \{−1} 12x(x−2)(x+1)< 0, ∀x ∈ J \{0}. (iii) f ′(x) = { 12x(x−2)(x+1)< 0, ∀x ∈ J \{0} 12x(x−2)(x+1)> 0, ∀x ∈ K \{2}. Consequentemente, pelo Teste da Primeira Derivada, por (i) e (iii), os pontos x =−1 e x = 2 são pontos de mínimo locais de f e, por (ii), o ponto x = 0 é um ponto de máximo local da função f . O Teorema a seguir nos fornece uma forte ferramenta para classificar os pontos críticos de uma função f em pontos de máximo ou mínimo local. Por sua eficácia, nos problemas abordados neste trabalho, será utilizado este resultado como uma das principais ferramentas. Teorema 2.9 (Teste da Segunda Derivada) Seja f : I ⊂R−→R uma função com deri- vada de segunda ordem, denotada por f ′′, contínua em um intervalo aberto I contendo um ponto c. (i) Se f ′(c) = 0 e f ′′(c)> 06, então f tem um ponto de mínimo local em c. (ii) Se f ′(c) = 0 e f ′′(c)< 07, então f tem um ponto de máximo local em c. Para uma prova do resultado acima sugere-se ao leitor consultar Ávila ([2], 2003), Flemming e Gonçalves ([4], 2006), Guidorizzi ([7], 2012), Stewart ([16], 2014), Sviercoski ([18], 1999) e suas referências. Em muitos problemas práticos de otimização, o intervalo com o qual estamos trabalhando conterá somente um ponto crítico de primeira ordem da função. Quando isto acontece, você pode usar o teste da segunda derivada [...] para identificar o seu extremo absoluto, mesmo que este teste seja um teste para extremos locais. A razão é que, neste caso especial, o máximo ou mínimo local é necessariamente também um máximo ou mínimo absoluto. (HOFFMANN & BRADLEY, 1999, p. 158, grifo do autor) A definição a seguir caracteriza os pontos críticos de f que satisfazem a condição f ′′(x) = 0. Tais pontos não podem ser máximos ou mínimos de f pois, se fossem, contrariariam o Teste da Segunda Derivada. Geometricamente, nestes pontos, ocorrem alterações na concavidade da curva descrita pelo gráfico da função f , ou seja, nestes pontos, o gráfico de f muda a concavidade de "voltada para cima" para "voltada para baixo" ou de "voltada para baixo" para "voltada para cima". Definição 2.10 Sejam f : A ⊂ R −→ R uma função com derivada de segunda ordem f ′′ contínua e c ∈ A. Diz-se que c é um ponto de inflexão de f se satisfaz f ′′(c) = 0. 6Se f ”(x)> 0 para todo x ∈ I, então o gráfico de f é côncavo para cima em I, isto é, o gráfico de f está acima de todas as suas tangentes no intervalo I. 7Se f ”(x)< 0 para todo x ∈ I, então o gráfico de f é côncavo para baixo em I, isto é, o gráfico de f está abaixo de todas as suas tangentes no intervalo I. 2.3 Polinômios de Taylor 38 O Teste da Segunda Derivada é inconclusivo quando f ′′(c) = 0. Em outras palavras, esse ponto pode ser um máximo, um mínimo ou nenhum dos dois. Esse teste também falha quando f ′′(c) não existe. Em tais casos, o Teste da Primeira Derivada deve ser usado. De fato, mesmo quando ambos os testes são aplicáveis, o Teste da Primeira da Derivada é frequentemente mais fácil de aplicar. (STEWART, 2014, p. 267) O ponto c = π2 , por exemplo, é um ponto de máximo local de f (x) = sin(x) pois f ′ (π 2 ) = cos (π 2 ) = 0 e f ′′ (π 2 ) =−sin (π 2 ) =−1 < 0. (2-7) Os pontos x = 0 e x = 3, por exemplo, são, respectivamente, ponto de inflexão e ponto de mínimo da função f (x) = x4 − 4x3. Com efeito, note que f tem derivadas de primeira e segunda ordem dadas por f ′(x) = 4x3 −12x2 = 4x2(x−3) e f ′′(x) = 12x2 −24x = 12x(x−2). (2-8) Resolvendo a equação f ′(x) = 0 para encontrar os pontos críticos de f , obtém-se que x = 0 e x = 3 são os únicos pontos críticos desta função. Agora, note que f ′′(0) = 0 e f ′′(3) = 36. Uma vez que f ′(3) = 0 e f ′′(3)> 0, pelo Teste da Segunda Derivada, o ponto x = 3 é um ponto de mínimo local de f , com valor de mínimo correspondente dado por f (3) = −27. Por outro lado, como f ′′(0) = 0, o Teste da Segunda Derivada não fornece nenhuma informação sobre o ponto crítico x = 0. Mas, resolvendo a equação f ′′(x) = 0, tem-se que x = 0 ou x = 2 e, considerando os intervalos I = (−∞,0) e J = (0,2), observa- se que f ′′(x) > 0 para todo x ∈ I e f ′′(x) < 0 para todo x ∈ J. Consequentemente, em x = 0, a concavidade da curva y = f (x) muda de côncava para cima para côncava para baixo e, por isto, (0,0) é um ponto de inflexão da função f . Além disso, com argumentos semelhantes, nota-se que, em x = 2, a concavidade da curva y = f (x) muda de côncava para baixo para côncava para cima, implicando que (2,−16) também é um ponto de inflexão desta função. 2.3 Polinômios de Taylor Nesta seção será feita uma abordagem sobre aproximação de polinômios por séries de Taylor. Ressalta-se aqui que o objetivo desta seção não é tratar sobre séries de Taylor, mas sim, fazer uma breve introdução ao estudo dos Polinômios de Taylor. Para um estudo mais profundo sobre séries de potências e polinômios de Taylor, sugere-se ao leitor consultar Lima ([10], 2006), Stewart ([16], 2014) e suas referências bibliográficas. Primeiramente, será definido o que se entende por Polinômio de Taylor. A definição que será dada a seguir se baseia em Lima ([10], 2006, p. 102). 2.3 Polinômios de Taylor 39 Definição 2.11 (Polinômio de Taylor) Sejam I ⊂ R um intervalo, f : I −→ R uma fun- ção n vezes derivável em I e a ∈ I. O Polinômio de Taylor de grau n de f no ponto a é o polinômio Pn : R−→ R dado por Pn(x) = a0 +a1(x−a)+a2(x−a)2 + · · ·+an(x−a)n, (2-9) tal que, Pn(a) = f (a), P ′ n(a) = f ′(a), P′′n (a) = f ′′(a), · · · , P(n)n (a) = f (n)(a). (2-10) Assim, Pn(x) = n ∑ i=0 f (i)(a) i! (x−a)i = f (a)+ f ′(a)(x−a)+ f ′′(a) 2! (x−a)2 + · · ·+ f (n)(a) n! (x−a)n. Fazendo h = x−a, o Polinômio de Taylor da definição acima pode ser reescrito como Pn(h) = f (a)+ f ′(a)h+ f ′′(a) 2! h2 + · · ·+ f (n)(a) n! hn. (2-11) O resultado que será apresentado a seguir mostra, sob certas condições, que uma função f pode ser aproximada por seu Polinômio de Taylor de cujo grau coincide coma maior ordem de derivação da função f . Teorema 2.12 (Fórmula de Taylor Infinitesimal) Sejam I ⊂R, f : I −→R uma função n vezes derivável, a ∈ I e Pn : R−→ R o Polinômio de Taylor de grau n de f no ponto a. Se f (x) = Pn(x)+R(x), então lim x−→a R(x) (x−a)n = 0, (2-12) onde R(x) é o resto da Série de Taylor de f no ponto a. A prova do Teorema acima segue por argumentos de análise e, para não prolongar ou tirar o foco do trabalho, esta prova não será apresentada aqui. Para o leitor interessado em conhecer esta demonstração, sugere-se consultar Lima ([10], 2006, p. 103). Como consequência do resultado acima tem-se que f (x) = lim n−→∞ Pn(x). (2-13) Segundo Lima (2006, p. 104) a Fórmula de Taylor Infinitesiamal é assim cha- mada porque só afirma algo quando h −→ 0. Mais ainda, o polinômio de Taylor de ordem n de f no ponto a é o único polinômio de grau menor ou igual que n que aproxima f em uma vizinhança do ponto a, tal que, f (x) = Pn(x)+R(x) com (2-12) satisfeita. 2.3 Polinômios de Taylor 40 Se f (x) = ex, por exemplo, então ex = ∞ ∑ n=0 xn n! (2-14) é a série de Taylor de f em torno do ponto a = 0. Consequentemente, Pn(x) = 1+ x+ x2 2 + · · ·+ x n n! (2-15) é o Polinômio de Taylor de grau n de ex no ponto a = 0 e, com isto, ex ≈ Pn(x). [...] qualquer função, desde que tenha derivadas de todas as ordens, pode ser tratada localmente, isto é, na vizinhança de um ponto, como um polinômio do grau n. Se a equação da função não é conhecida, as derivadas de todas as ordens podem ser aproximadas, usando-se diferenças finitas e aplicando para um intervalo a fórmula de Taylor. (SVIERCOSKI, 1999, p. 139) Para os problemas que serão abordados neste trabalho, na citação acima, entende-se por diferença finita uma aproximação para as derivadas de f dadas pelo quo- ciente d jxym = ∆ jy ∆x j = d j−1ym −d j−1ym−1 xm − xm−1 , 1 ≤ j ≤ n, j+1 ≤ m ≤ n, (2-16) onde x1,x2,y1,y2 são dados do problema com y1 = f (x1) e y2 = f (x2). Com isto, f (x)≈ f (a)+dxy(x−a)+ d2x y 2! (x−a)2 + · · ·+ d n x y n! (x−a)n. Para justificar a equação acima, será adaptado a seguir uma situação para aproximação de uma função por seu Polinômio de Taylor sugerido por Sviercoski ([18], 1999, p. 134). A tabela a seguir mostra a concentração de alumínio (Aℓ) y = f (x) em uma espécie de arroz em função do acúmulo x de fósforo (P) no solo em mg/kg. Tabela 2.1: Concentração de Aℓ por acúmulo de Fósforo (P) n 1 2 3 4 5 6 7 8 9 xn 10 20 30 40 50 60 70 80 90 yn 8,9521 4,6891 1,7261 0,0631 -0,299 0,6371 2,8741 6,4111 11,248 dxyn -0,4263 -0,2963 -0,1663 -0,0363 0,0937 0,2237 0,3537 0,4837 d2x yn 0,013 0,013 0,013 0,013 0,013 0,013 0,013 Fonte: Tabela criada por Machado, J. C. em 04/07/2019. Dados Adaptados de Sviercoski (1999, p. 134) Os dados da quarta e da quinta linhas da tabela acima são, respectivamente, as 2.3 Polinômios de Taylor 41 aproximações da primeira e da segunda derivada de f calculadas pelas igualdades dxyn = yn − yn−1 xn − xn−1 (n ≥ 2) e d2x yn = dxyn −dxyn−1 xn − xn−1 (n ≥ 3). (2-17) Considerando que a segunda variação é constante, pode-se aproximar f por uma função quadrática da forma p(x) = ax2 + bx+ c, onde a = d 2 x y 2 . Assim, escolhendo uma linha qualquer na tabela acima (linha 4), obtem-se que f (x) = 0,0065x2 + bx+ c. Resta encontrar os valores de b e c. Para isto, escolhendo a linha 1, tem-se que, f (10) = 0,0065(10)2 +10b+ c = 0,65+10b+ c, (2-18) f (40) = 0,0065(40)2 +40b+ c = 10,4+50b+ c. (2-19) Como f (10) = 8,9521 e f (40) = 0,0631, tem-se que, 10b+ c = 8,3021 e 40b+ c =−103369. (2-20) Resolvendo o sistema linear formado por estas duas equações, encontra-se as soluções b =−0,6213 e c = 14,5151. Assim, f (x) = 0,0065x2 −0,6213x+14,5151 é a função polinomial que descreve a concentração de alumínio em função da concentração de fósforo no solo em mg/kg. A técnica que foi apresentada anteriormente será essencial para resolver alguns problemas de otimização de produção de certo tipo de grão. No capítulo a seguir serão apresentados alguns problemas de produção agrícola e otimização de áreas que podem ser resolvidos por meio dos conceitos de derivadas que aqui foram tratados. CAPÍTULO 3 APLICAÇÕES DO CÁLCULO: PROBLEMAS DE PRODUÇÃO AGRÍCOLA E OTIMIZAÇÃO DE ÁREAS Neste Capítulo, serão apresentados alguns problemas de otimização que podem ser modelados e resolvidos por meio dos fundamentos do Cálculo Diferencial e Integral. Segundo Arenales et al (2007, p. 4), "[...] o modelo matemático é uma represen- tação simplificada do problema real. Ele deve ser suficientemente detalhado para captar os elementos essenciais do problema [...]". Mais precisamente, por meio de técnicas de maximização e minimização de funções e aproximação de funções por polinômios de Taylor, objetiva-se, neste capítulo, encontrar soluções ótimas de problemas relacionados a pesquisa em produção agrícola e a preparação de áreas de criação de animais e plantio. 3.1 Problemas de Otimização da Área Um dos problemas clássicos que surgem como aplicação das derivadas é o de maximizar a área de uma região retangular, sendo conhecida alguma informação sobre um de seus lados. O problema apresentado a seguir é uma adaptação de um problema sugerido por Stewart ([16], 2014). Problema 1: Pesquisadores e especialistas criadores de bovinos consideram que o sistema de pastejo rotacionado é um bom procedimento para minimização de custo na forragem de pastos, ou seja, é uma alternativa considerável e racional para aproveita- mento de regiões de pastagens. O sistema de pastejo rotacionado consiste na divisão do pasto em dois ou mais piquetes com objetivo de alternar a utilização de regiões menores do pasto, isto é, enquanto uma parte do pasto é utilizada para criação dos bovinos, a outra parte passa por um período de descanso para reestabelecimento da forragem, proporcionando, assim, um melhor aproveitamento do pasto ou da região de criação 3.1 Problemas de Otimização da Área 43 dos animais. Pensando nisto, um criador de gado tem em sua propriedade uma região retangular que utiliza para criação de seus animais. Ele dispõe de 1200 m de cerca e deseja limitar uma região retangular para criação de um novo piquete aproveitando um dos lados de um piquete já existente para limitar a região nova a ser cercada. Quais as dimensões do novo piquete para que a região cercada tenha a maior área possível? Solução: Para solução deste problema, primeiramente, serão encontrados pontos críticos de uma função a ser definida e, em seguida, utiliza-se o Teste da Segunda Derivada para classificar tal ponto crítico. Sejam x e y as dimensões da região retangular a ser cercada e A(x,y) = xy a função área desta região. A ideia central para este tipo de problema é a busca por soluções globais do seguinte problema de otimização: { max A(x,y), sujeito a condição 2x+ y = 1200. (3-1) Sabendo que 2x+ y = 1200, tem-se y = 1200− 2x. Assim, o problema de duas variáveis (3-1) é transformado em um problema de uma variável, cuja área é dada pelo polinômio do segundo grau A(x) = x(1200−2x) = 1200x−2x2, 0 ≤ x ≤ 600. (3-2) Calculando as derivadas de primeira e de segunda ordem da função A, tem-se, respectivamente, A′(x) = 1200−4x e A′′(x) =−4. (3-3) Resolvendo a equação A′(x) = 0 para obtenção dos pontos críticos de A, segue 1200−4x = 0 e, consequentemente, x = 300. Substituindo este valor em y = 1200−2x, encontra-se y = 600. Agora, basta verificar que o valor de x encontrado é, de fato, ponto de máximo global de A. Para isso, é suficiente notar que A′′(300) = −4 < 0. Assim, pelo Teste da Segunda Derivada, x = 300 é o ponto de máximo global de A. Portanto, as medidas da região cuja área é a maior possível são 300 m e 600 m com área respectiva de 180.000 m2. O problema que será apresentado a seguir modela uma situação de minimização do custo de cerca para limitação de piquetes para criação de animais. Problemas desta forma surgem com frequência em regiões onde há o sistema de pastejo rotacionado.3.1 Problemas de Otimização da Área 44 Problema 2: Um fazendeiro deseja cercar dois pastos retangulares, de dimensões x e y, com um lado comum cuja dimensão é x. Quais as dimensões dos pastos para que o comprimento de cerca utilizado para limitar as regiões seja mínimo, sabendo que cada pasto deve ter área igual a 400 m2. Solução: Sabendo que os pastos a serem cercados tem, necessariamente, dimensões x e y, que a área de cada pasto é A = 400 e que o lado comum tem dimensão x, tem-se, portanto, que a área de cada pasto satisfaz a igualdade xy = A = 400. Agora, seja P(x,y) a função "soma dos perímetros das duas regiões retangulares". Assim, P(x,y) = 3x+ 4y. Logo, a ideia central para obtenção da solução é a busca por mínimos globais do problema: { min P(x,y), sujeito a condição xy = 400. (3-4) Como, y = 400 x , substituindo este valor em P(x,y), tem-se, P(x) = P ( x, 400 x ) = 3x+4 ( 400 x ) = 3x+ 1600 x , x > 0. (3-5) Calculando as derivadas de primeira e segunda ordem da função P tem-se, respectivamente, que P′(x) = 3− 1.600 x2 e P′′(x) = 3200 x3 . (3-6) Agora, resolvendo a equação P′(x) = 0 para encontrar os pontos críticos da função P, segue que, 3− 1.600 x2 = 0 (3-7) e, com isto, x1 = 40 √ 3 3 e x2 =− 40 √ 3 3 (3-8) são os dois únicos pontos críticos da função P. Considera-se, neste caso, apenas o valor positivo, pois as soluções do problema são os comprimentos dos lados dos retângulos. Assim, basta verificar que o ponto x = x1 é ponto de mínimo da função P. Utilizando a derivada segunda de P dada em (3-6), segue que, P′′(x) = P′′ ( 40 √ 3 3 ) = 3200 (40 √ 3 3 ) 3 = 3200 192000 √ 3 27 = 86400 192000 √ 3 = 864 √ 3 5760 . (3-9) 3.2 Problemas de Maximização da Produção Agrícola 45 Consequentemente, P′′(x)> 0. Pelo Teste da Segunda Derivada x = 40 √ 3 3 é o ponto de mínimo da função P(x). Assim, y = 400 x = 400 40 √ 3 3 = 400 ( 3 40 √ 3 ) = 30 √ 3 3 = 10 √ 3. (3-10) Portanto, as dimensões de cada pasto que minimizam o comprimento de cerca são os pontos x = 40 √ 3 3 m e y = 10 √ 3 m. 3.2 Problemas de Maximização da Produção Agrícola Nesta seção, serão resolvidos três problemas que surgem da necessidade de maximizar a produção de certo tipo de plantio. Mais precisamente, por meio do conceito de derivada e dos testes de classificação de pontos críticos, serão modelados e resolvidos aqui, um problema para maximização da produção de laranjas tendo como informação à priori a produção média por árvore plantada, um problema de maximização da produção de milho conhecidas informações de produtividade relacionadas com a idade da planta e um problema de produção de cana-de-açucar conhecida a produção da planta dada a adição de nitrogênio no solo. Os problemas serão apresentados a seguir: Problema 3: Um agricultor do Estado de Goiás, especialista em produção de laranjas, deseja aumentar a produção para obtenção de um lucro maior na venda do fruto. Obser- vando os fatores climáticos e de qualidade do solo, que são características da região e influenciam na produtividade da planta, ele estima que, se 60 árvores de laranja forem plantadas, a produtividade média por árvore será de 400 laranjas. Mas, a produtividade média decrescerá de 4 laranjas por árvore para cada árvore adicional plantada na mesma área. Quantas árvores o agricultor deve adicionar a plantação para maximizar sua produtividade total? Solução: Observe que este se trata de um problema de maximização. Por isto, a estratégia a se aplicar, neste caso, é encontrar a função que modela a situação descrita acima e encontrar o ponto de máximo desta função. Para isto, seja x a quantidade de laranjeiras a serem adicionadas a plantação para otimizar a produção total. Como, para cada árvore adicionada, a produção por árvore decai em 4 laranjas, a função f (x) que modela este problema é dada por f (x) = (60+ x)(400−4x) =−4x2 +160x+24000, 0 ≤ x ≤ 100. (3-11) 3.2 Problemas de Maximização da Produção Agrícola 46 Para este problema, busca-se, primeiro, por pontos críticos da função f . Calcu- lando a primeira e a segunda derivada de f , com objetivo de obter e classificar os pontos críticos, tem-se f ′(x) =−8x+160 e f ′′(x) =−8 (3-12) Para encontrar os pontos críticos da função f (x) deve-se resolver a equação diferencial f ′(x) = 0. Assim, −8x+ 160 = 0 e, consequentemente, x = 20. Agora, basta mostrar que este ponto é realmente o valor de x que maximiza a função f (x). Para isto, veja que f ′′(20) =−8. Como f ′′(20)< 0, pelo Teste da Segunda Derivada, x = 20 é um ponto de máximo para a função f (x). Assim, o agricultor deve adicionar mais 20 árvores a plantação para maximizar a produção, totalizando 80 árvores. Note que, neste caso, a produtividade total do agricultor será: f (20) =−4(20)2 +160(20)+24000 =−1600+3200+24000 = 25600. (3-13) O modelo que será apresentado a seguir se trata de um problema de maximização da produção de grão de milho em termos da idade da planta. Mais precisamente, neste problema, deseja-se saber qual é a idade da planta em que a produção é a maior possível, conhecendo a produtividade da planta em intervalos de tempo análogos. Problema 4: Um agricultor do sudoeste goiano, especialista em plantio de grãos, arrendou uma propriedade com a finalidade de plantar milho. No ano de 2019, o produtor iniciou o plantio de uma variedade A de milho almejando obter uma produtividade máxima. Nesse contexto, para obter um melhor acompanhamento da produção e garantir um bom rendimento é necessário avaliar a produção em função da idade da planta, visto que no período reprodutivo diversos fatores como clima, solo, tecnologias e fotoperíodo podem inferir na produção. Para isto, foram coletados dados da produção y da variedade A de milho, em quilogramas por hectare (kg/ha), em função da idade t da planta, dada em dias. Os dados apresentados a seguir são adaptados de Sviercoski ([18], 1999, p. 49) e representam a produção de milho da variedade A em função da idade da planta, Tabela 3.1: Produção y = f (t) em função da idade t da planta. t 20 30 40 50 60 70 80 90 100 110 120 y 52 3352 7952 13352 19052 24552 29352 32952 33142 32842 29842 Fonte: Tabela criada por Machado, J. C. em 30/05/2019 Qual é a idade t (em dias) da planta, 20≤ t ≤ 120, em que deverá ser realizada a colheita para que a produção seja máxima e qual o valor dessa produção? 3.2 Problemas de Maximização da Produção Agrícola 47 Solução: Para resolver o problema, primeiramente, serão encontradas as variações (ou diferenças finitas) de y até o ponto em que obtém-se uma variação constante, com objetivo de encontrar o grau do polinômio de Taylor que aproxima a função f . Na tabela a seguir são mostradas as variações de primeira, segunda e terceira ordem da função f obtidas por meio do método das diferenças finitas já apresentado na seção 2.3 no Capítulo 2. Tabela 3.2: Variação da Produção y = f (t) em função da idade t da planta. n tn yn dtyn d 2 t yn d 3 t yn 1 20 52 2 30 3352 330 3 40 7952 460 13 4 50 13352 540 8 -0,5 5 60 19052 570 3 -0,5 6 70 24552 550 -2 -0,5 7 80 29352 480 -7 -0,5 8 90 32952 360 -12 -0,5 9 100 34852 190 -17 -0,5 10 110 34552 -30 -22 -0,5 11 120 31552 -300 -27 -0,5 Fonte: Tabela criada por Machado, J. C. em 30/05/2019 Na tabela acima tem-se que: n é a ordem dos dados, tn é a idade da planta em dias, yn = f (tn) é a produção de milho em quilogramas por hectare, dtyn, d2t yn e d 3 t yn denotam as variações de primeira, segunda e terceira ordem dos dados, respectivamente. A seguir será mostrado como calcular as variações de acordo com os dados da tabela 3.1. Utilizaremos como exemplo os dados das colunas 4 e 5 para o cálculo da primeira, segunda e terceira variação da função f e as variações das demais colunas são calculadas de maneira análoga. Note que, a variação de primeira ordem da linha 4 da tabela 3.2 é dada por dty4 = y4 − y3 t4 − t3 = 13352−7952 50−40 = 540. (3-14) Já a variação de segunda ordem da
Compartilhar