Baixe o app para aproveitar ainda mais
Prévia do material em texto
Cap´ıtulo 20 Acre´scimos, Diferenciais e Aproximac¸a˜o pela Reta Tangente 20.1 Introduc¸a˜o Como ja´ vimos, a derivada f ′(x) de uma func¸a˜o y = f(x) pode ser definida como f ′(x) = lim ∆ x→0 ∆ y ∆x , onde ∆x e´ uma variac¸a˜o na˜o-nula na varia´vel independente x e ∆ y = f(x+∆x)− f(x) e´ a variac¸a˜o correspondente em y. No Cap. 9 , introduzimos a notac¸a˜o de Liebniz dydx para a derivada da func¸a˜o y = f(x) e enfatizamos que esta notac¸a˜o era apenas um s´ımbolo e na˜o uma frac¸a˜o. No entanto, e´ verdade que dydx parece uma frac¸a˜o, e, em alguns contextos funciona como tal. O exemplo mais importante disto se da´ na regra da cadeia, que, usando-se a notac¸a˜o de Leibniz, pode ser enunciada da seguinte maneira: dy dt = dy dx dx dt Neste caso, a fo´rmula correta para a derivada de uma func¸a˜o composta y(x(t)) parece ser obtida cancelando-se dx como se as derivadas dydx e dx dt fossem de fato frac¸o˜es. O objetivo deste cap´ıtulo e´ dar significado aos termos dy e dx, de tal modo que o seu quociente seja a derivada f ′(x). Para isso e´ preciso estabelecer a relac¸a˜o entre o acre´scimo ou incremento ∆ y e a derivada (taxa de variac¸a˜o) da func¸a˜o f . Neste cap´ıtulo, daremos uma resposta aproximada para esta questa˜o. A resposta exata para esta pergunta e´ dada pelo teorema do valor me´dio. 20.2 Aproximac¸a˜o pela reta tangente Seja f uma func¸a˜o deriva´vel definida num intervalo fechado [a, b]. O problema que se coloca e´ como estimar, de maneira ra´pida e simples, a variac¸a˜o ocorrida em y = f(x), quando x varia de um certo valor original x0 para um novo valor x0 +∆x. O valor exato desta variac¸a˜o, como sabemos, e´ o incremento correspondente em y, dado por ∆ y = f(x0 +∆x)− f(x0), como mostra a figura abaixo. x∆ y∆ xo x Nem sempre e´ poss´ıvel calcular exatamente este valor. Por exemplo, seja f(x) = √ 1 + x. Para calcular a variac¸a˜o ocorrida em y = f(x), quando x varia de zero a 0,05, seria necessa´rio conhecermos o valor exato de √ 1.05. Como e´ sempre fa´cil calcular valores de func¸o˜es cujos gra´ficos sa˜o retas (para isto basta saber somar e multiplicar), a ide´ia e´ comparar a variac¸a˜o efetiva ∆ y com a alterac¸a˜o que ocorreria no valor de y se a func¸a˜o f continuasse a variar a` taxa fixa f ′(x0), enquanto a varia´vel independente passasse de x0 para x0 +∆x, isto e´, aproximar a variac¸a˜o ocorrida 259 260 Cap. 20. Acre´scimos, Diferenciais e Aproximac¸a˜o pela Reta Tangente nos valores de y pela variac¸a˜o correspondente ocorrida sobre a reta tangente a` curva y = f(x ). Esta variac¸a˜o, que notaremos por dy, e´ chamada de diferencial de y. (Veja a figura abaixo.) y+dy dy x∆ y∆ y xo y∆y+ x A diferencial de y e´, portanto, a variac¸a˜o ocorrida na altura de um ponto que se move ao longo da reta tangente a` curva y = f(x), quando x varia de x0 a x0 +∆x, e e´ dada por dy = f ′(x)∆x. Quando ∆x e´ pequeno, a diferencial dy e´ uma “boa” aproximac¸a˜o para o incremento ∆ y. Na figura acima, o erro que cometemos ao aproximarmos ∆ y por dy e´ a diferenc¸a entre ∆ y e dy. Observe, no diagrama abaixo, como este erro diminui a` medida que ∆x tende a zero. Assim, quando ∆x e´ pequeno, temos que ∆ y ≈ dy . Lembrando que ∆ y = f(x0 +∆x) − f(x0) e dy = f ′(x0)∆x, tem-se que f(x0 +∆x) ≈ f(x0) + f ′(x0)∆x. Como ∆x = x− x0 , tem-se ainda que f(x) ≈ f(x0) + f ′(x0)(x− x0) , (20.1) e esta aproximac¸a˜o sera´ tanto melhor quanto mais perto x estiver de x0. Repare que o lado direito da expressa˜o acima representa a equac¸a˜o da reta tangente a` curva y = f(x) no ponto (x0, f(x0)). Por isso, dizemos que a reta tangente e´ uma boa aproximac¸a˜o da func¸a˜o f para valores pro´ximos ao ponto de tangeˆncia, ou que esta e´ a aproximac¸a˜o linear da func¸a˜o f na vizinhanc¸a do ponto x = x0. Vamos usar o resultado obtido acima para calcular um valor aproximado para √ 25, 4. Para isso consideraremos f(x) = √ x e x0 = 25 (porque 25 e´ o ponto mais pro´ximo de 25,4 no qual sabemos calcular o valor exato de f(x)). Neste caso, ∆x = 0, 4, f ′(x0) = 12√25 e a fo´rmula acima fornece√ 25, 4 = f(x0 +∆x) ≈ f(x0) + f ′(x0)∆x = √ 25 + 0, 4 2 √ 25 = 5, 04. O valor de √ 25, 4 com 9 casas decimais, fornecido pelo Maple e´ > sqrt(25.4); 5.039841267 Consequ¨entemente, o erro E da nossa aproximac¸a˜o e´ dado por > E=abs(sqrt(25.4)-5.04); E = .000158733 que na˜o e´ de todo mal. Lembre-se que a aproximac¸a˜o acima so´ deve ser “boa” quando ∆x for muito pequeno e ∆x = 0, 4 na˜o e´ muito pequeno. Se usarmos ∆x = 0, 1, obteremos √ 25, 1 ≈ 5, 01, e o erro neste caso sera´ dado por > E=abs(sqrt(25.1)-5.01); E = .9980 10−5 Define-se o erro absoluto em um valor medido ou aproximado como a diferenc¸a entre o valor aproximado e o valor verdadeiro. O erro relativo ou me´dio e´ a raza˜o entre o erro absoluto e o valor verdadeiro. Assim, nos dois exemplos W.Bianchini, A.R.Santos 261 anteriores, os respectivos erros relativos de ∆x x = 0, 4 5 = 0, 08 = 8% e de ∆x x = 0, 1 5 = 0, 02 = 2% em x, conduzem a um erro relativo no valor estimado de > E[r]=abs(sqrt(25.4)-5.04)/sqrt(25.4); Er = .00003149563480 e de > E[r]=abs(sqrt(25.1)-5.01)/sqrt(25.1); Er = .1992019936 10 −5 isto e´, 0,003 % e 0,0001 %, respectivamente. E´ natural perguntar por que a aproximac¸a˜o dy = f ′(x0)∆x e´ ta˜o boa, como ficou mostrado nos exemplos acima. Como vimos no diagrama anterior, quanto menor for ∆x, mais pro´ximos da reta tangente estara˜o os pontos correspondentes na curva y = f(x). A diferenc¸a entre as alturas de dois desses pontos para uma determinada escolha de ∆x e´ dada por ∆ y − dy e conclu´ımos que ∆ y − dy tende para zero quando ∆x e´ pequeno. Na realidade, a diferenc¸a ∆ y − dy e´ pequena, mesmo em comparac¸a˜o com ∆x. Para mostrar esta afirmac¸a˜o, basta observar que ∆ y − dy ∆x = f(x+∆x)− f(x) ∆x − f ′(x) = E(∆x) , portanto, lembrando a definic¸a˜o de derivada, podemos concluir que o erro relativo e´ uma func¸a˜o de ∆x que se aproxima de zero quando ∆x tende a zero. Assim, quando ∆x tende a zero, o erro na aproximac¸a˜o ∆ y ≈ dy na˜o e´ simplesmente pequeno, mas duplamente pequeno, pois ∆ y − dy = E(∆x)∆x e´ um mu´ltiplo pequeno de um nu´mero pequeno, isto e´, muito, muito pequeno. 20.3 Diferenciais e func¸o˜es diferencia´veis Costuma-se definir dx = ∆x escrevendo-se, enta˜o, a fo´rmula 20.1 como: f(x0 + dx) ≈ f(x0) + f ′(x0) dx . Neste caso, dx e´ uma varia´vel independente, chamada diferencial de x. Definem-se, assim, as diferenciais de x e de y como dx = ∆x e dy = f ′(x)∆x = f ′(x) dx Ale´m disso, dizemos que uma func¸a˜o e´ diferencia´vel em x0 quando existe uma func¸a˜o linear K e uma func¸a˜o E, definida na vizinhanc¸a de x0 , tais que ∆ f = K(∆x) + ∆xE(∆x) onde lim ∆ x→0 E(∆x) ∆x = 0 . Como neste contexto as func¸o˜es lineares K sa˜o da forma K(∆x) = m∆x, onde m e´ uma constante, pelo que vimos neste cap´ıtulo, m = f ′(x0) e a igualdade acima significa dizer que a func¸a˜o f pode ser aproximada, localmente, pela reta tangente. Por causa desta propriedade, estas func¸o˜es sa˜o ditas localmente lineares. No caso em estudo, dizer que uma func¸a˜o e´ diferencia´vel e´ equivalente a dizer que a func¸a˜o e´ deriva´vel. 262 Cap. 20. Acre´scimos, Diferenciais e Aproximac¸a˜o pela Reta Tangente Da definic¸a˜o de diferenciais, decorre, imediatamente, que dy dx = f ′(x) dx dx = f ′(x). Note que a expressa˜o acima mostra que a derivada de uma func¸a˜o, de acordo com a notac¸a˜o de Leibniz que utilizamos ate´ agora, e´ realmente a raza˜o entre duas quantidades: as diferenciais dy e dx. Na realidade, Leibniz concebeu a notac¸a˜o diferencial visualizando incrementos “infinitesimais” dx e dy, cuja raza˜o dy dx seria o coeficiente angular da reta tangente a` curva y = f(x),como mostra a figura a` esquerda. A chave da descoberta de Leibniz na de´cada de 1670 foi o seu entendimento de que, se dy e dx forem suficientemente pequenos (infinitesimais), enta˜o o segmento da curva y = f(x) e o segmento de reta que une os pontos (x, y) e (x+ dx, y + dy) sera˜o virtualmente indistingu´ıveis, como mostra a ampliac¸a˜o a` direita. dy dx 0.9 1 1.1 1.2 1.3 1.4 0.92 0.96 11.02 1.06 1.1 1.14 1.18 x A notac¸a˜o diferencial nos fornece uma forma conveniente de escrever fo´rmulas para derivadas. Por exemplo, as regras da soma, do produto e do quociente de duas func¸o˜es u e v podem ser escritas, respectivamente, como: d(u+ v) = du+ dv d(uv) = u dv + v du d( u v ) = v du − u dv v2 Ale´m disso, se u = f(x) e v = g(u), como dv = g′(u) du e du = f ′(x) dx, obte´m-se dv = g′(u)f ′(x)dx = g′(f(x))f ′(x)dx. Assim, a regra da cadeia pode ser obtida como se fosse o resultado de manipulac¸o˜es puramente alge´bricas da notac¸a˜o para diferenciais. O me´todo das diferenciais e´ u´til, em particular, na derivac¸a˜o impl´ıcita. Suponha, por exemplo, que y seja uma func¸a˜o deriva´vel de x, que satisfac¸a a relac¸a˜o x2 y3 − 2x y + 5 = 0. Podemos usar diferenciais para achar uma expressa˜o para dydx . Assim, calculando a diferen- cial de cada termo da equac¸a˜o e usando as regras de derivac¸a˜o, temos: 2x y3 dx + x2 3 y2 dy − 2 ydx − 2 xdy = 0 , e da´ı (3x2 y2 − 2x) dy = (2 y − 2x y3) dx , o que conduz ao resultado: dy dx = 2 y − 2 xy3 3x2 y2 − 2x . 20.4 Exerc´ıcios 1. Nos ı´tens abaixo, determine a aproximac¸a˜o linear para a func¸a˜o dada na vizinhanc¸a de um ponto x0 = 0: (a) f(x) = √ 1 + x (b) f(x) = (1 + x)2 (c) f(x) = 1 1 + x (d) f(x) = 1√ 1 + x (e) f(x) = (1− x)3 (f) f(x) = sen(x) (g) f(x) = cos(x) 2. Uma fo´rmula de aproximac¸a˜o padra˜o usada em f´ısica e´ dada por sen(x) ≈ x. Esta aproximac¸a˜o vale quando x ≈ 0. Explique como esta fo´rmula esta´ relacionada com as ide´ias discutidas nesta sec¸a˜o. W.Bianchini, A.R.Santos 263 3. Uma outra fo´rmula padra˜o de aproximac¸a˜o e´ dada por (1 + nx)n ≈ 1 + nx e vale para pequenos valores de x. Explique a validade desta fo´rmula tendo em vista a teoria que desenvolvemos acima. 4. Usando uma aproximac¸a˜o linear, estime o valor dos seguintes nu´meros: (a) √ 36, 7 (b) 15( 1 4 ) (c) √ 103 (d) cos(430) (e) sen(0, 5432) (f) sen(880) 20.5 Problemas 1. Mede-se o raio de uma bola esfe´rica, obtendo-se 10 cm, com erro ma´ximo de 110 cm. Qual e´ o erro ma´ximo resultante no ca´lculo do volume desta bola? Com que precisa˜o se deve medir o raio da bola para assegurar um erro ma´ximo de 1 cm3 no ca´lculo do volume? 2. A lei da gravitac¸a˜o de Newton afirma que a forc¸a F de atrac¸a˜o entre duas part´ıculas de massas m1 e m2 e´ dada por F = gm1m2s2 , onde g e´ uma constante e s e´ a distaˆncia entre as part´ıculas. Se s = 20 cm, use diferenciais para obter uma aproximac¸a˜o da variac¸a˜o em s que aumente F em 10%. 3. A Lei de Boyle afirma que, entre a pressa˜o p e o volume v de um ga´s confinado, existe a relac¸a˜o p v = c, onde c e´ uma constante. Mostre que entre dp e dv existe a relac¸a˜o pdv + vdp= 0. 4. O raio equatorial da Terra e´ de aproximadamente 6378 km. Imagine um fio firmemente enrolado ao longo do equador terrestre. De quanto se deve aumentar o fio para que ele possa dar a volta a` Terra, fixado no topo de postes de 10 metros de altura acima do solo? 20.6 Um pouco de histo´ria: Os mitos leibnizianos e o comec¸o do ca´lculo infinitesimal O conceito moderno de limite so´ apareceu no comec¸o do se´culo XIX, e assim, nenhuma definic¸a˜o de derivada parecida com a equac¸a˜o dy dx = lim ∆ x→0 ∆ y ∆x era poss´ıvel para Leibniz e seus sucessores. A maior parte do pensamento matema´tico produtivo desse per´ıodo estava baseada numa outra forma da noc¸a˜o de “infinitamente pequeno”. Leibniz entendia a equac¸a˜o acima como o quociente de duas quantidades infinitesimais, denotadas por dy e dx e chamadas de diferenciais. Na imaginac¸a˜o de Leibniz um infinite´simo era uma espe´cie particular de nu´mero que na˜o era nulo e ainda assim era menor do que qualquer outro nu´mero. Uma versa˜o geome´trica dessas ide´ias era aquela em que uma curva era pensada como um conjunto infinito de segmentos de reta infinitamente pequenos. A reta tangente a uma curva era, portanto, uma reta que continha um desses minu´sculos segmentos. Talvez Leibniz tenha introduzido as diferenciais dx e dy para denotar correspondentes variac¸o˜es infinitesimais nas varia´veis x e y. Para se ter uma ide´ia de como essas diferenciais eram usadas, suponha que essas varia´veis estejam ligadas pela equac¸a˜o y = x2. Leibniz substituiria x e y por x + dx e y + dy para obter y + dy = (x+ dx )2 = x2 + 2 xdx + dx 2 , Como y = x2, obteria dy = 2 xdx + dx 2 Neste esta´gio Leibniz descartava o termo dx 2, e justificava este passo argumentando que o quadrado de um nu´mero infinitamente pequeno e´ “infinitamente infinitamente pequeno” ou um “infinite´simo de ordem superior” e portanto, inteiramente desprez´ıvel. Assim, chegava a fo´rmula que conhecemos hoje dy = 2 xdx , que, apo´s divisa˜o por dx, toma a forma fraciona´ria dy dx = 2x . Para Leibniz, a derivada era um quociente genu´ıno, um quociente de infinite´simos, e sua forma de ca´lculo veio a ser largamente conhecida como “ca´lculo infinitesimal”. 264 Cap. 20. Acre´scimos, Diferenciais e Aproximac¸a˜o pela Reta Tangente As ide´ias de Leibniz funcionaram efetivamente, quase como por milagre, e dominaram o desenvolvimento do Ca´lculo e das Cieˆncias F´ısicas por quase 150 anos. No entanto, essas ide´ias eram falhas, ja´ que os infinite´simos, no sentido descrito acima, claramente na˜o existem, pois na˜o existe um nu´mero positivo que seja menor que todos os outros nu´meros positivos. Por todo esse per´ıodo de tempo, o enorme sucesso do Ca´lculo como instrumento de resoluc¸a˜o de problemas era o´bvio para todos, embora ningue´m fosse capaz de dar uma explicac¸a˜o logicamente aceita´vel do que era o Ca´lculo. Essa explicac¸a˜o so´ foi dada no comec¸o do se´culo XX, pela teoria cla´ssica dos limites. Embora os argumentos usados por matema´ticos como Leibniz, os Bernoulli, Euler, Lagrange e outros na˜o fossem rigorosos do ponto de vista moderno, esses pioneiros tiveram profundos sentimentos intuitivos sobre o que era razoa´vel e correto nos problemas que estudavam e raramente se perdiam nas suas concluso˜es. As diferenciais de Leibniz foram eliminadas do Ca´lculo pela teoria dos limites; contudo, elas permanecem como uma parte da histo´ria do desenvolvimento da matema´tica. 20.7 Projetos 20.7.1 O me´todo de Euler e o pa´ra-quedista Como sabemos, a derivada de uma func¸a˜o f num ponto x0 determina a declividade da reta tangente a` curva y = f(x) no ponto (x0, y0). Nesta sec¸a˜o usamos a reta tangente para estimar valores de f em pontos pro´ximos ao ponto de tangeˆncia: para pontos pro´ximos de x0, a diferencial dy e´ uma boa aproximac¸a˜o para o valor exato ∆ y e para estimar f(a+∆x) por f(a) + f ′(a)∆x. Esta te´cnica e´ especialmente u´til quando os valores de f sa˜o dif´ıceis de calcular. A linearidade local das func¸o˜es diferencia´veis tem outra importante aplicac¸a˜o na resoluc¸a˜o dos problemas de valor inicial. Resolver um problema de valor inicial e´ encontrar a func¸a˜o f ou “reconstruir” o seu gra´fico conhecendo-se a sua derivada f ′(x) e um ponto, o valor inicial, do seu gra´fico. O objetivo deste projeto e´ usar a reta tangente e a linearidade local das func¸o˜es diferencia´veis para resolver problemas deste tipo. Vamos primeiro esclarecer o que entendemos por reconstruir f . Em vez de procurarmos uma expressa˜o anal´ıtica (fo´rmula) para f , construiremos uma tabela, que fara´ corresponder a cada valor de x escolhido o respectivo valor de f(x). Estas tabelaspodem conter quantos pontos quisermos. A escolha do nu´mero de pontos dependera´ da precisa˜o exigida para o resultado, do equipamento e tempo dispon´ıveis e da natureza matema´tica do problema. Assim, antes de comec¸ar nossos ca´lculos, devemos decidir qual sera´ o tamanho da tabela a ser constru´ıda. Usual- mente consideramos os valores de x, que va˜o constituir o total de entradas da tabela, igualmente espac¸ados. Neste caso, o domı´nio da func¸a˜o (intervalo onde o problema sera´ resolvido) e o nu´mero de entradas escolhido determinam o valor de ∆x (distaˆncia entre dois valores consecutivos de x na tabela). A tabela e´ constru´ıda da maneira descrita a seguir. A partir do ponto inicial (x0, y0) e conhecendo-se o valor f ′(x0), e´ poss´ıvel usar a reta tangente para calcular um valor aproximado de y1 = f(x1), onde x1 = x0 +∆x e´ o pro´ximo valor de x para o qual se quer calcular o valor da func¸a˜o, isto e´, a pro´xima entrada da tabela. Como a equac¸a˜o da reta tangente a` curva y = f(x) no ponto (x0, yo) e´ dada por f(x)− f(x0) = f ′(x0) (x− x0), uma valor aproximado para y1 = f(x1) sera´ dado por y1 = f ′(x0) (x1 − x0) + f(x0) = f ′(x0)∆x+ y0 , Tendo-se calculado o valor de f(x1) = y1, o par (x1, f(x1)) sera´ o pro´ximo valor da tabela. Repete-se, enta˜o, o mesmo processo tomando-se agora o ponto (x1, f(x1)) como o valor inicial. A partir deste ponto e conhecendo-se o valor de f ′(x1) e´ poss´ıvel usar a reta tangente, como anteriormente, para calcular um novo par (x2, f(x2)), ou seja, f(x2) = y2 = f ′(x1)∆x+ f(x1) que sera´ acrescentado a nossa tabela. Usamos este novo par (x2, f(x2)) como o novo valor inicial e repetimos todo o processo ate´ preenchermos toda a tabela. Este me´todo de gerar novos valores de f numa tabela seguindo a direc¸a˜o da reta tangente e´ conhecido como o me´todo de Euler. A figura a seguir ilustra a construc¸a˜o dos primeiros treˆs pontos de uma tabela gerada pelo me´todo de Euler. W.Bianchini, A.R.Santos 265 m2=Df(x2) m1=Df(x1) mo=Df(xo) (x3,y3) (x2,y2) (x1,y1) (xo,yo) No gra´fico a seguir, trac¸amos a func¸a˜o y = x+ sen(2x) 2 soluc¸a˜o do problema de valor inicial f ′(x) = 1 + cos(2x) f(0) = 0 e a soluc¸a˜o aproximada obtida pelo me´todo de Euler com o tamanho da tabela determinado pelas seguintes condic¸o˜es: (i) Intervalo onde vai ser determinada a soluc¸a˜o do problema: de x = 0 ate´ x = 3. (ii) Nu´mero de entradas na tabela: 51 (50 valores calculados + o ponto inicial). (iii) Tamanho do passo: ∆x = 3−050 = 0,06 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 0.20.40.60.8 1 1.21.41.61.8 2 2.22.42.62.8 3 Vamos resolver o problema de valor inicial f ′(x) = x2 − f(x)2, f(0) = 1 no intervalo [0, 5; 1], passo a passo. Para isso, arbitramos o valor do passo: ∆x = 0, 1. A tabela a ser constru´ıda tera´, portanto, 6 entradas: 1 valor inicial + 5 valores a serem estimados. Temos enta˜o que: > Df:=x->x^2-(f(x))^2; Df := x→ x2 − f(x)2 > x[0]:=0.5; x0 := .5 > f(x[0]):=1.0; f(.5) := 1.0 > dx:=0.1; dx := .1 Vamos agora calcular as pro´ximas entradas da tabela: > x[1]:=x[0]+dx; x1 := .6 > f(x[1]):=f(x[0])+Df(x[0])*dx; f(.6) := .925 > x[2]:=x[1]+dx; x2 := .7 > f(x[2]):=f(x[1])+Df(x[1])*dx; f(.7) := .8754375 > x[3]:=x[2]+dx; 266 Cap. 20. Acre´scimos, Diferenciais e Aproximac¸a˜o pela Reta Tangente x3 := .8 > f(x[3]):=f(x[2])+Df(x[2])*dx; f(.8) := .8477984184 > x[4]:=x[3]+dx; x4 := .9 > f(x[4]):=f(x[3])+Df(x[3])*dx; f(.9) := .8399222026 > x[5]:=x[4]+dx; x5 := 1.0 > f(x[5]):=f(x[4])+Df(x[4])*dx; f(1.0) := .8503752720 A nossa tabela esta´ pronta. Basta imprimir os seus valores desta forma: > tabela:=[seq([x[i],f(x[i])],i=0..5)]; tabela := [[.5, 1.0], [.6, .925], [.7, .8754375], [.8, .8477984184], [.9, .8399222026], [1.0, .8503752720]] ou desta outra: > array(1..6,1..2,tabela); .5 1.0 .6 .925 .7 .8754375 .8 .8477984184 .9 .8399222026 1.0 .8503752720 Podemos inclusive trac¸ar o “gra´fico” da soluc¸a˜o aproximada assim obtida ligando por segmentos de reta os pontos calculados: > plot(tabela); 0.84 0.86 0.88 0.9 0.92 0.94 0.96 0.98 1 0.5 0.6 0.7 0.8 0.9 1 Para “suavizar” esta curva basta aumentarmos o nu´mero de pontos usados na construc¸a˜o da tabela. Evidentemente, da maneira como calculamos os pontos da tabela acima, um aumento no nu´mero de pontos ou no tamanho do intervalo considerado acarretara´ um aumento considera´vel de trabalho (pelo menos de digitac¸a˜o de comandos!). Por isto e´ recomenda´vel que automatizemos o procedimento, usando a estrutura for .. from .. to .. do ..od: Por exemplo, para estender a soluc¸a˜o do problema acima ao intervalo [0, 5; 2, 5], o que, com o passo fixado em 0,1, gerara´ uma tabela com 21 entradas, basta calcularmos os valores (xi, f(xi) da seguinte maneira: > for i from 0 to 19 do > x[i+1]:=x[i]+dx; > f(x[i+1]):=f(x[i])+dx*Df(x[i]); > od: > Novatabela:=[seq([x[i],f(x[i])],i=0..20)]: > array(1..21,1..2,Novatabela); W.Bianchini, A.R.Santos 267 .5 1.0 .6 .925 .7 .8754375 .8 .8477984184 .9 .8399222026 1.0 .8503752720 1.1 .8780614617 1.2 .9219622687 1.3 .9809608262 1.4 1.053732412 1.5 1.138697212 1.6 1.234034078 1.7 1.337750067 1.8 1.447792543 1.9 1.562182218 2.0 1.679140890 2.1 1.797189477 2.2 1.915200475 2.3 2.032401189 2.4 2.148335730 2.5 2.262801089 > plot(Novatabela); 1 1.2 1.4 1.6 1.8 2 2.2 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4 Ao dar entrada nos valores iniciais na˜o esquec¸a de escreveˆ-los na forma decimal (ponto flutuante). O Maple calcula de formas diferentes f(1) e f(1.0). Use o Me´todo de Euler para resolver os problemas abaixo: 1. Uma cultura de Paramecium Caudatum cresce de acordo com a lei P ′(t) = (1, 2875 − 0, 0061P )P , onde P (t) e´ o nu´mero de bacte´rias presentes na coloˆnia em cada instante de tempo t(horas). Sabendo que inicialmente a coloˆnia era composta de 8 bacte´rias, construa uma tabela com valores estimados de t e P no intervalo [0, 8] e fac¸a um gra´fico correspondente aos pontos calculados. 2. Um pa´ra-quedista pula de um avia˜o voando a 500 m de altitude, e cai livremente durante 5 s (durante este tempo supo˜e-se desprez´ıvel a resisteˆncia do ar. Quando seu pa´ra-quedas abre, a resisteˆncia do ar e´ proporcional a` velocidade da queda. A partir deste momento, a velocidade da queda e´ governada pela lei v′(t) = g − 2, 1v(t), onde g e´ a acelerac¸a˜o da gravidade. Estime a velocidade de queda do pa´ra-quedista quando ele atinge o solo. 20.7.2 Aproximando func¸o˜es por polinoˆmios - O polinoˆmio de Taylor No Exerc´ıcio 1 deste cap´ıtulo, vimos que a func¸a˜o y = x e´ uma aproximac¸a˜o linear para a func¸a˜o y = sen(x) e que esta e´ uma boa aproximac¸a˜o para valores de x pro´ximos de zero. Este fato pode ser visualizado trac¸ando-se na mesma janela os gra´ficos destas duas func¸o˜es: > plot([sin(x),x],x=-2*Pi..2*Pi,y=-1..1,color=[red,blue]); –1 –0.8 –0.6 –0.4 –0.2 0 0.2 0.4 0.6 0.8 1 y –6 –4 –2 2 4 6x Na realidade, podemos provar que sen(x) ≤ x , para x ≥ 0. Para isso observe que a func¸a˜o f(x) = x− sen(x) se anula para x = 0 e e´ na˜o decrescente para x ≥ 0, pois a sua derivada f ′(x) = 1 − cos(x) e´ sempre maior ou igual a zero. 268 Cap. 20. Acre´scimos, Diferenciais e Aproximac¸a˜o pela Reta Tangente 1. Usando um racioc´ınio ana´logo, mostre que, para x ≥ 0 valem as seguintes desigualdades: (a) sen(x) + x 3 6 − x ≥ 0 (b) −sen(x) + x 5 120 − x 3 6 + x ≥ 0 Veja estas desigualdades ilustradas no gra´fico: –4 –3 –2 –1 0 1 2 3 4 y –4 –3 –2 –1 1 2 3 4 x 2. Combine as partes (a) e (b) do item anterior para mostrar que, parax ≥ 0, x− x 3 6 ≤ sen(x) ≤ x− x 3 6 + x5 120 3. Use a estimativa obtida para mostrar que sen(1) = 201240 com um erro ma´ximo de 1 240 . 4. Observando os gra´ficos trac¸ados, tente determinar para que valores de x o polinoˆmio x− x33 fornece uma “boa” aproximac¸a˜o para sen(x )? Idem para o polinoˆmio x− x33 + x 5 120 . Estimativas destes tipo, envolvendo polinoˆmios, permitem que se calcule valores aproximados para func¸o˜es trigonome´tricas ou exponenciais utilizando-se apenas as quatro operac¸o˜es ba´sicas – adic¸a˜o, subtrac¸a˜o, multiplicac¸a˜o e divisa˜o. Como, na verdade, estas sa˜o as u´nicas operac¸o˜es que sabemos efetuar, qualquer ca´lculo alge´brico deve, em u´ltima ana´lise, se reduzir a estas operac¸o˜es, por isso, estimativas obtidas via polinoˆmios sa˜o frequ¨entemente utilizadas em calculadoras, computadores e rotinas computacionais para obter valores aproximados de va´rias func¸o˜es. Por exemplo, quando aper- tamos a tecla sen na calculadora ou quando utilizamos o comando sin(x) do Maple para calcular o valor da func¸a˜o seno no ponto x = 1, o ca´lculo e´ feito utilizando aproximac¸o˜es por polinoˆmios. Note tambe´m que aproximac¸o˜es sa˜o necessa´rias, pois nu´meros da forma pi ou √ 10 na˜o nos dizem nada, a menos que saibamos calcular uma estimativa para eles. Por exemplo, na˜o e´ claro, a priori, que pi < √ 10, mas esta desigualdade se torna o´bvia calculando-se aproximac¸o˜es decimais para estes nu´meros, como e´ feito a seguir com a ajuda do Maple. > evalf(Pi); 3.141592654 > sqrt(10.); 3.162277660 O objetivo deste projeto e´ construir polinoˆmios que fornec¸am aproximac¸o˜es para uma dada func¸a˜o. Ale´m disso, o me´todo empregado permitira´ obter estas aproximac¸o˜es com uma precisa˜o prefixada. Como foi visto neste cap´ıtulo, a reta tangente a` curva y = f(x), cuja equac¸a˜o e´ dada por T (x) = f ′(x0) (x − x0) + f(x0), se aproxima da curva na vizinhanc¸a do ponto de tangeˆncia (x0, f(x0)). Ale´m disso, da equac¸a˜o da reta tangente, podemos concluir imediatamente que T (x0) = f(x0) e que T ′(x0) = f ′(x0), isto e´, a reta tangente coincide com a func¸a˜o no ponto de tangeˆncia e a inclinac¸a˜o (derivada) desta reta coincide com a inclinac¸a˜o (derivada) da curva naquele ponto. Assim, existe um polinoˆmio de grau um, a saber T1(x ) = C0 − C1 (x− x0) tal que T1(x0) = C0 = f(x0) e T ′ 1(x0) = C1= f ′(x0), que aproxima a curva para valores de x, pro´ximos ao ponto de tangeˆncia. Veja esta afirmac¸a˜o ilustrada no gra´fico: –8 –6 –4 –2 0 2 4 6 8 10 12 1 2 3 4 x Sera´ poss´ıvel construir polinoˆmios de grau maior do que um que, de alguma maneira, generalize as propriedades da reta tangente e, portanto, fornec¸a aproximac¸o˜es melhores para a func¸a˜o y = f(x )? O exemplo estudado no in´ıcio deste projeto indica que a resposta a esta pergunta e´ afirmativa. Considere, portanto, um polinoˆmio de grau n, W.Bianchini, A.R.Santos 269 Tn(x) = C0 + C1 (x− x0) + C2 (x− xo)2 + . . .+ Cn (x− x0)n A questa˜o que se coloca e´ como escolher os coeficientes desse polinoˆmio de forma a garantir que Tn(x) esteja pro´ximo de f(x). Sabemos responder a esta pergunta quando n = 1. Neste caso, o polinoˆmio T1(x) deve coincidir com a reta tangente a` curva y = f(x) e, enta˜o, Co0 = f(x0) e C1 = f ′(x0). Como queremos estender as propriedades da reta tangente a polinoˆmios de grau maior que um, e´ razoa´vel supor que, para aproximar a curva na vizinhanc¸a de um ponto x0, o polinoˆmio que buscamos deve coincidir com a func¸a˜o y = f(x) no ponto x0, e todas as suas derivadas, ate´ a ordem n, calculadas no ponto x = x0, devem coincidir com as derivadas de f , ate´ a ordem n, respectivamente, neste ponto. 1. Determine as constantes Co, C1, C2 de tal modo que o polinoˆmio de grau dois T2(x) = Co + C1 (x− x0) + C2 (x− x0)2, verifique as seguintes propriedades: (a) T2(x0) = f(x0) (b) T2 ′(x0) = f ′(x0) (c) T2′′(x0) = f ′′(x0) 2. Aplique o resultado obtido para calcular o polinoˆmio de grau dois associado a` func¸a˜o cosseno e use o Maple para trac¸ar na mesma janela os gra´ficos de cos(x ) e de T2(x), no caso em que x0 = 0. 3. Para que valores de x voceˆ acha que este polinoˆmio fornece boas aproximac¸o˜es da func¸a˜o cosseno? 4. Seguindo o racioc´ınio anterior construa Tn(x) impondo que dk Tn dxk (x0) = dk f dxk (x0), para k = 0, 1, 2, . . . n. Os polinoˆmios desta forma sa˜o chamados de polinoˆmios de Taylor de grau n para f em torno de x0. 5. Determine os polinoˆmios de Taylor de grau 3, 4 e 5, em torno do zero, para as func¸o˜es y = sen(x) e y = cos(x). 6. Use o Maple para trac¸ar, em cada caso, os gra´ficos das func¸o˜es dadas e de seus polinoˆmios de Taylor na mesma janela. O que voceˆ pode observar? 7. Se f(x) = a0 + a1 x+ a2 + x 2 + . . .+ an x n, qual o seu polinoˆmio de Taylor em torno de x0 = 0? E em torno de x0 = 1? A questa˜o agora e´ saber qua˜o bons sa˜o estes polinoˆmios para aproximar func¸o˜es. Para responder a esta pergunta e´ necessa´rio calcular o erro que cometemos ao aproximarmos o valor de uma func¸a˜o usando o seu polinoˆmio de Taylor, isto e´, precisamos calcular ou pelo menos estimar o valor de Rn(x) = f(x)− Tn(x). No caso mais simples (n = 0), e´ fa´cil estimar este valor. O polinoˆmio de Taylor de grau zero, T0(x) e´ dado por T0(x) = f(x0). Assim, temos que R0(x) = f(x)− f(x0), e da´ı, aplicando-se o teorema do valor me´dio a` func¸a˜o f(x), obtemos R0(x) = (x − x0) f ′(c), para c entre x e x0. Mesmo na˜o conhecendo o valor de c, sabemos que |R0 | ≤ |x− xo | M , ondeM e´ tal que |f ′(x)| ≤M no intervalo (x, x0). Repare que, se f fosse constante, sua derivada seria zero e a aproximac¸a˜o, perfeita. A derivada da func¸a˜o f mede, de uma certa maneira, quanto f se afasta da horizontal, por isso e´ razoa´vel esperar que a exatida˜o da aproximac¸a˜o seja controlada pelo ma´ximo de f ′ no intervalo considerado. Neste caso, f(x) = Tn(x) +Rn(x) = f(x0) + f ′(c)(x− x0) para algum c entre x e x0. Consideremos agora o caso em que n = 1. Temos que T1(x) = f(x0) + f ′(x0) (x− x0) e, portanto, R1(x) = f(x)− f(x0)− f ′(x0) (x− x0). Esta u´ltima expressa˜o para R1(x) permite concluir que R1(x0) = 0, R ′ 1(x) = f ′(x)− f ′(x0). Da´ı, temos que R′′1 (x) = f ′′(x). Pelo teorema do valor me´dio, aplicado a` func¸a˜o f ′′ no intervalo (x, x0), sabemos que existe c entre x e x0 tal que f ′′(c) = f ′(x)−f ′(x0) x−x0 . Assim R ′ 1(x) = f ′′(c) (x−x0). Da´ı, podemos concluir que R1(x) = f ′′(c) (x−x0) 2 2 +C. Como, R1(x0) = 0, temos que C = 0, e finalmente obtemos R1(x) = f ′′(c) (x−x0) 2 2 . Como no caso anterior, f(x) = f(x0) + f ′(x0) (x− x0) + f ′′(c) (x− x0) 2 2 para algum c entre x e x0. Repare, tambe´m, que o erro cometido ao aproximarmos os valores da func¸a˜o f pela sua reta tangente depende do ma´ximo de f ′′ no intervalo considerado.(Explique!) Se f ′ fosse constante, o gra´fico de f seria uma linha reta e a aproximac¸a˜o pela reta tangente seria o´tima. Quando f ′ varia, f ′′ mede o quanto f se desvia de sua reta tangente, portanto, e´ razoa´vel esperar que a precisa˜o da aproximac¸a˜o seja controlada pelo ma´ximo de f ′′. 270 Cap. 20. Acre´scimos, Diferenciais e Aproximac¸a˜o pela Reta Tangente 1. Generalize este resultado, isto e´, mostre que f(x) = Tn(x) +Rn(x) onde Rn(x) = f n+1(c) (x− x0)(n+1) (n+ 1)! para algum c entre x e x0. Rn(x) e´ chamado resto de Lagrange do polinoˆmio de Taylor de grau n. Determine, tambe´m, condic¸o˜es sobre f que garantam a validade dos ca´lculos feitos. 2. Use o resultado acima para provar que, para f(x) = sen(x), o polinoˆmio de Taylor de grau 5 difere do valor exato de sen(x ) por no ma´ximo 0,00002, para todo x no intervalo [−0.5, 0.5]. 3. Como voceˆ justificaria a fo´rmula 11+x ≈ 1 + x+ x2 . . . xn para |x | < 1? 4. O comando do Maple taylor(f(x),x,n+1) calculao polinoˆmio de Taylor de grau n da func¸a˜o f : > taylor(sin(x),x,6); x− 1 6 x3 + 1 120 x5 +O(x6) O termo ”O( x6)”representa o resto. Para remover este termo e converter o resultado anterior em um polinoˆmio use o comando convert: > convert(%,polynom); x− 1 6 x3 + 1 120 x5 Para visualizar a convergeˆncia do me´todo de aproximac¸a˜o, descrito neste projeto, trace um gra´fico na janela [−8, 8]× [−3, 3], que mostre, em conjunto, as func¸o˜es sen(x ), T3(x), T5(x) e T17(x). 5. Observando o gra´fico trac¸ado no item anterior, indique um intervalo no qual o gra´fico de T5(x) parec¸a coincidir com o gra´fico de sen(x ) e um intervalo onde o gra´fico de T17(x) parec¸a coincidir com o gra´fico de sen(x ). Use a fo´rmula do erro de Lagrange para estimar o erro cometido ao aproximarmos os valores de sen(x ) por T5(x) e T17(x), respectivamente, em cada um dos intervalos que voceˆ achou. 6. Como Tn(x) e´ um polinoˆmio e −1 ≤ sen(x) ≤ 1, Tn(x) pode ser uma boa aproximac¸a˜o para sen(x ) para todos os valores de x? 7. Por que na˜o se pode usar o polinoˆmio de Taylor para aproximar a func¸a˜o f(x) = arcsen(sen(x)) no intervalo [−pi, pi]? 8. Ache o polinoˆmio de Taylor que aproxima a func¸a˜o f(x) = sen(x) + sen(4 x)4 no intervalo [−3, 3] com erro ma´ximo na˜o superior a 0,5. Trace na mesma janela o gra´fico desta func¸a˜o e do polinoˆmio de Taylor que voceˆ calculou para visualizar a aproximac¸a˜o obtida. 20.7.3 Polinoˆmios de Taylor - Aplicac¸o˜es a` f´ısica Polinoˆmios de Taylor (veja o projeto Aproximando func¸o˜es por polinoˆmios) sa˜o usados com frequ¨eˆncia em F´ısica. Com o objetivo de compreender melhor o fenoˆmeno descrito por uma dada func¸a˜o, os f´ısicos em geral simplificam esta func¸a˜o considerando apenas os dois ou treˆs primeiros termos de sua fo´rmula de Taylor. Em outras palavras, os f´ısicos usam o polinoˆmio de Taylor para aproximar a func¸a˜o que modela o fenoˆmeno e, em alguns casos, podem ainda estimar a precisa˜o desta aproximac¸a˜o. O objetivo deste projeto e´ estudar alguns modelos f´ısicos que exemplificam como este tipo de aproximac¸a˜o ajuda a compreender o fenoˆmeno estudado. Radiac¸a˜o de um corpo escuro Todo objeto emite radiac¸a˜o quando aquecido. Um corpo escuro e´ um sistema que absorve toda a radiac¸a˜o que incide sobre ele. A lei de Rayleigh-Jeans, do final do se´culo XIX, expressa a densidade de energia de radiac¸a˜o de um corpo escuro, de comprimento de onda λ, por f(λ) = 8pi k Tλ4 , onde λ e´ medido em metros, T e´ a temperatura dada em graus Kelvins e k e´ a constante de Boltzmann. A lei de Rayleigh-Jeans concorda com medidas experimentais para comprimentos de onda longos, mas discorda drasticamente para comprimentos de onda curtos. Neste caso, a lei preveˆ que f(λ)→∞ quando λ→ 0+. No entanto, experimentalmente, verifica-se que f(λ)→ 0. Este fato e´ conhecido como cata´strofe ultravioleta. Em 1900, Max Planck formulou um modelo mais fiel para a radiac¸a˜o de um corpo escuro, conhecido hoje como lei de Planck. Por esta lei temos que f(λ) = 8pi h c λ5 e( h c λ k T ) − 1 , onde h e´ a constante de Planck e c e´ a velocidade da luz. W.Bianchini, A.R.Santos 271 1. Trace, na mesma janela, os gra´ficos das func¸o˜es f dadas pelas duas Leis e comente as semelhanc¸as e diferenc¸as. Para isso, use T = 5700K (temperatura do sol), h = 6.6262×10−34 Js, c = 2.99792×108 m/s e k = 1.3807×10−23 J/K 2. Usando o polinoˆmio de Taylor, mostre que para comprimentos de onda longos, a lei de Planck fornece, aproxi- madamente, os mesmos valores obtidos pela lei de Rayleigh-Jeans. Resistividade A resistividade r de um fio condutor e´ o rec´ıproco da sua condutividade e e´ medida em ohm por metros (Ω.m). A resistividade de um determinado metal depende de sua temperatura de acordo com a lei r(t) = r20 e (α (t−20)), onde t e´ a temperatura em graus Celsius e r20 a resistividade do material a 20 o C. Existem tabelas que listam os valores de α, denominado coeficiente de temperatura, e de r20, para diversos metais. Exceto em temperaturas muito baixas, a resistividade varia quase linearmente com a temperatura, sendo comum aproximar-se a expressa˜o para r(t) por polinoˆmios de grau um ou dois em torno de r = 20. 1. Encontre expresso˜es para estas aproximac¸o˜es linear e quadra´tica. 2. Para o cobre, as tabelas fornecem α = .0039o C e r20 = 1.7 10 (−8) Ωm. Fac¸a os gra´ficos da resistividade do cobre e de suas aproximac¸o˜es linear e quadra´tica para temperaturas entre −250 e 1000 graus Celsius. 3. Para que valores de t a aproximac¸a˜o linear concorda com a expressa˜o exponencial com erro inferior a 1%? Velocidade de propagac¸a˜o de ondas Se uma onda, de comprimento L, se propaga na a´gua com velocidade v ao longo de uma regia˜o com profundidade d, enta˜o v2 = g L2pi tgh( 2pi d L ), onde tgh(x) = ex−e−x ex+e−x e g e´ a acelerac¸a˜o da gravidade. 1. Se a regia˜o e´ profunda, mostre que v ≈ √ g L 2pi . 2. Se a regia˜o e´ rasa, use o polinoˆmio de Taylor em torno do zero para aproximar a func¸a˜o tanh(x) e mostre que v ≈ √g d, ou seja, em a´guas rasas a velocidade de propagac¸a˜o da onda tende a ser independente do seu comprimento. 3. Mostre que, se L > 10 d, enta˜o √ g d aproxima a velocidade de propagac¸a˜o da onda com erro de 0, 014 g L. 20.7.4 Polinoˆmios de Taylor - Um algoritmo para calcular o seno A expansa˜o da func¸a˜o f(x) = sen(x) pela fo´rmula de Taylor permite calcular o valor do seno de um nu´mero real qualquer utilizando-se apenas as quatro operac¸o˜es ba´sicas. No entanto, a fo´rmula de Taylor em torno de x0, so´ e´ uma boa aproximac¸a˜o para a func¸a˜o f numa vizinhanc¸a desse ponto. Por outro lado, sabemos que esta aproximac¸a˜o sera´ cada vez melhor, a` medida em que considerarmos mais e mais termos na expansa˜o. 1. Comprove, numericamente, a afirmac¸a˜o acima construindo os polinoˆmios de Taylor de graus 1, 3, 5, 7 e 9 da func¸a˜o seno em torno de x0 = 0. 2. Calcule sen( pi12 ) usando o Maple e usando as aproximac¸o˜es polinomiais que voceˆ construiu. O que voceˆ pode observar? 3. Fac¸a o mesmo para calcular sen( 49pi12 ). O que aconteceu? Embora exista a alternativa de trocarmos o ponto x0 em torno do qual a fo´rmula esteja sendo calculada, no caso do seno, em termos computacionais, e´ mais conveniente fazer a expansa˜o em torno de x0 = 0 e explorar a periodicidade desta func¸a˜o. Siga o roteiro dado a seguir para reproduzir a sequ¨eˆncia de procedimentos efetuados quando o comando sin (.) do Maple e´ utilizado. Suponha que queremos calcular sen(x ): 1. Ache x* em [0, 2pi], tal que sen(x ) = sen(x*), caso isto na˜o se verifique inicialmente. 2. Determine y* em [0, pi2 ], tal que | sen(x∗) | = sen(y∗). Crie um marcador m para guardar a informac¸a˜o do sinal de sen(x*) do seguinte modo: m = 1 se x ∈ [0, pi] e m = −1 se x ∈ [pi, 2pi]. 272 Cap. 20. Acre´scimos, Diferenciais e Aproximac¸a˜o pela Reta Tangente 3. Se y ∈ [0, pi4 ], considere a fo´rmula de Taylor para a func¸a˜o seno em torno de x0 = 0. Se y∗ ∈ (pi4 , pi2 ], considere a fo´rmula de Taylor para a func¸a˜o cosseno em torno de x0 = 0 e utilize a identidade cos(z ) = sen(y*) se z = pi 2 -y* (Repare que, neste caso, z ∈ [0, pi4 )). Qual a vantagem de trabalhar com valores entre 0 e pi4 ? 4. Use a fo´rmula do resto de Lagrange para determinar o grau do polinoˆmio necessa´rio para calcular sen(x ) com erro menor do que 10−8, isto e´, com oito d´ıgitos corretos. 5. Observe que as fo´rmulas de Taylor para as func¸o˜es seno e cosseno envolvem termos da forma x n n! . Use a relac¸a˜o xn n! = x(n−2) (n−2)! x2 (n−1)n para calcular os termos dos polinoˆmios de maneira eficiente. Por exemplo: sen 0, 8 ≈ 0, 8 3 3! + 0, 85 5! − 0, 8 7 7! e podemos aproveitar cada termo para calcular o termo seguinte. Assim, 0,83 3! = 0, 8 ( 0,82 2 ); 0,85 5! = 0,83 3! 0,82(4) (5) , e assim por diante. 6. Organize as ide´ias acima na forma de uma sequ¨encia de procedimentos encadeados tambe´m chamada de algoritmo para o ca´lculo eficiente de sen(x ), onde x e´ um nu´mero real qualquer, com precisa˜o de p d´ıgitos corretos. 7. Fac¸a alguns testes com diferentes valores de x, comparando os valores obtidos pelo seu algoritmo com aqueles fornecidos usando-se a func¸a˜o sin(.) do Maple. 20.7.5 Tangentes, o´rbitas e caos Escolha um nu´mero x0 qualquer e calcule o seu cosseno. Calcule o cosseno do resultado obtido. Repita esse procedi- mento um grande nu´mero de vezes. Para isso utilize, em sequ¨eˆncia, os comandos abaixo repetindo o u´ltimo um grande nu´mero de vezes: > xo:=2.; > cos(xo); > cos(%); O procedimento descrito acima e´ ilustrado na animac¸a˜o (veja versa˜o eletroˆnica) e no gra´fico: 0 0.2 0.4 0.6 0.8 1 1.2 0.2 0.4 0.6 0.8 1 1.2 x 1. O que voceˆ pode concluir? Que equac¸a˜o voceˆ resolveu? 2. Teste o me´todo descrito no item anterior para calcular as ra´ızes reais de x2 = x, tomando como valor inicial x0 = 1 2 e x0 = 2. Observe as animac¸o˜es (versa˜o eletroˆnica) e os gra´ficos a seguir para ajuda´-lo a tirar concluso˜es. 0 0.2 0.4 0.6 0.8 1 1.2 1.4 0.2 0.4 0.6 0.8 1 1.2 x 0 2 4 6 8 10 12 14 16 18 20 y 1 2 3 4 x Dizemos que um nu´mero p e´ um ponto fixo da func¸a˜o y = f(x), quando f(p) = p. W.Bianchini, A.R.Santos 273 1. Qual o ponto fixo da func¸a˜o y = cos(x). 2. Que equac¸a˜o voceˆ resolveu para achar este valor? Como e´ poss´ıvel encontrar, geometricamente ou graficamente, este valor? 3. Sabemos que zero e´ um ponto fixo da func¸a˜o sen(x ). Use o me´todo descrito acima para tentar resolver a equac¸a˜o sen(x) = x, tomando como valor inicial x0 = 0, 5. 4. Qual o ponto fixo da func¸a˜o f(x) = ecos(x)? 5. Escolha va´rios valores iniciais x0 e estude o comportamento da sequ¨eˆncia de valores f(x0), f(f(x0)), f(f(f(x0))),... onde f(x) = ecos(x). 6. O me´todo descrito acima funciona para calcular pontos fixos de qualquer func¸a˜o? Entender o comportamento e predizer o que acontece com repetidas iterac¸o˜es de uma func¸a˜o e´ o objetivo deste projeto. Seja f uma func¸a˜o cont´ınua e x0 um nu´mero real qualquer, tomado como valor inicial. A o´rbita de x0 e´ uma sequ¨encia sn definida, a partir da func¸a˜o f , da seguinte maneira: s0 = x0, s1 = f(x0), s2 = f(x1) = f(f(x0)) = f 2 (x0) s3 = (x2) = f(f(f(x0))) = f 3 (x0), . . ., sn = f(xn−1) = fn (x0). 1. Prove que se lim n→∞ sn = l enta˜o l e´ um ponto fixo de f . O nosso objetivo agora e´ determinar condic¸o˜es sobre f que garantam a convergeˆncia da sequ¨encia sn. Deste modo poderemos saber que equac¸o˜es podem ou na˜o ser resolvidas usando-se o me´todo do ponto fixo, descrito acima. 1. O gra´fico abaixo mostra que a equac¸a˜o e−x = x tem uma u´nica raiz. Use a te´cnica de zooms sucessivos para encontrar um valor aproximado para esta raiz. Observe que, usando esta te´cnica (zooms sucessivos) e´ poss´ıvel observar como a func¸a˜o f(x) = e−x se comporta localmente. –2 0 2 4 6 –2 –1 1 2 x 2. Use zooms sucessivos para determinar o comportamento local das func¸o˜es dos exemplos dados neste projeto. 3. Que tipo de func¸o˜es se comportam localmente como uma reta? 4. Levando em conta o comportamento local dessas func¸o˜es, uma boa pista para determinar as condic¸o˜es de con- vergeˆncia da sequ¨eˆncia sn deve ser obtida a partir do estudo do que acontece com esta sequ¨eˆncia quando f(x) = mx + b. (Por queˆ?) Assim, vamos tentar comec¸ar a tirar concluso˜es estudando os pontos fixos e a convergeˆncia das o´rbitas para func¸o˜es deste tipo. Quais os pontos fixos da func¸a˜o f(x) = mx + b? 5. Use as animac¸o˜es acima para conjecturar em que casos a sequ¨eˆncia sn converge para o ponto fixo de f . Estude os casos em que m > 1, m < 1 e m 6= 0, m = 1, m = −1. O que voceˆ pode concluir? O que acontece quando m = 0? 6. Suponha que p seja o ponto fixo da func¸a˜o f(x) = mx + b, isto e´, f(p) = mp + b = p . Se sn e´ a n-e´sima iterac¸a˜o na o´rbita do valor inicial x0, prove que sn − p = mn (x0 − p). Sugesta˜o: Use induc¸a˜o sobre n (veja Projeto O Maple e o Princ´ıpio da Induc¸a˜o Matema´tica). 7. Use o resultado do item anterior para provar a conjectura feita para a convergeˆncia da sequ¨eˆncia sn, quando f(x) = mx + b. 8. Generalize suas concluso˜es para o caso de func¸o˜es localmente lineares e aplique essas concluso˜es para explicar o que acontece quando aplicamos este me´todo a` func¸a˜o y = ecos(x). 274 Cap. 20. Acre´scimos, Diferenciais e Aproximac¸a˜o pela Reta Tangente 9. Explique por que e´ poss´ıvel usar a func¸a˜o f(x) = x+Rx 2 para calcular uma aproximac¸a˜o nume´rica para a raiz quadrada de um nu´mero positivo R. 10. Use a func¸a˜o anterior para calcular uma aproximac¸a˜o nume´rica para √ 2 com seis casas decimais exatas. 11. Que crite´rio voceˆ usou para garantir a precisa˜o do resultado? 12. Mostre que o ponto fixo da func¸a˜o f(x) = x+ a x(k−1) 2 e´ a raiz k-e´sima do nu´mero positivo a. Explore o que acontece com as o´rbitas desta func¸a˜o para valores de k = 3, 4, 5 e 6. 13. Tente explicar por que o me´todo do ponto fixo aplicado a` func¸a˜o f = sen(x), converge muito lentamente e por que este mesmo me´todo, quando aplicado a` func¸a˜o f = x+Rx 2 , converge muito rapidamente para √ R. 14. Explore os pontos fixos da func¸a˜o f(x) = (k − 1) (k + R k(k−1) ) k . Por que as iterac¸o˜es dessa func¸a˜o funcionam ta˜o bem para estimar o valor da k-e´sima raiz do nu´mero positivo R? 15. Quais sa˜o os pontos fixos da func¸a˜o f(x) = x 2 2 − 1? Tente obter aproximac¸o˜es para estes pontos fixos como limite das o´rbitas tomando diferentes valores para x0. O que voceˆ pode observar? Mude a expressa˜o da func¸a˜o de iterac¸a˜o para tentar achar todos os pontos fixos de f(x) = x 2 2 − 1. 16. Descubra que func¸o˜es devem ser iteradas para obtermos, por esse me´todo, as ra´ızes da equac¸a˜o x2 = 2x. 17. Encontre aproximac¸o˜es para as treˆs ra´ızes reais da equac¸a˜o x10 = 2x. 18. Considere a func¸a˜o f(x) = 2x2 − 1. As soluc¸o˜es da equac¸a˜o f(x) = x sa˜o x = 1 e x = −0, 5. Como f(0, 5) = −0, 5, a o´rbita cujo valor inicial e´ x0 = 0, 5 conduz diretamente (apo´s a primeira iterac¸a˜o) ao ponto fixo x = −0, 5. Considere valores bem pro´ximo de x0 = 0, 5, por exemplo x0 = 0, 51, e examine o que acontece com a o´rbita de f para este valor inicial. Examine tambe´m o comportamento das o´rbitas desta func¸a˜o para valores iniciais muito pro´ximos do outro ponto fixo de f . O comportamento das o´rbitas desta func¸a˜o nos fornece um exemplo do que, em matema´tica, e´ chamado um comportamento cao´tico. A sensibilidade dos sistemas cao´ticos aos dados iniciais foi descrita por James Gleick no seu livro Chaos: Making a New Science (1987) como o “efeito borboleta”, que serve para ilustrar a ide´ia do qua˜o sens´ıvel e´ o tempo do nosso planeta a`s condic¸o˜es iniciais que “o simples bater de asas de uma borboleta, hoje, em Pequim, pode se transformar numa tempestade nos pro´ximos meses em Nova York”. E´ muito dif´ıcil para no´s sequer imaginarmos um sistema que tenha um comportamento ta˜o fra´gil e ta˜o sens´ıvel aos dados iniciais. Felizmente, ou infelizmente, estamos nos conscientizando cada vez mais de que o comportamento cao´tico e´ uma descric¸a˜o melhor do nosso mundo do que os sistemas bem comportados aos quais estamos acostumados. 19. Considere a func¸a˜o f(x) = a x2 − 1. Voceˆ e´ capaz de determinar quais valores de a determinam func¸o˜es que geram sequ¨eˆncias convergentes, quais geram ciclos e quais geram sequ¨eˆncias cao´ticas? 20. Mostramos que o ponto fixo da func¸a˜o f(x) = x+ a x(k−1) 2 e´ a raiz k-e´sima do nu´mero positivo a. Apesar disto, vimos que para k > 3 na˜o e´ poss´ıvel usaresta func¸a˜o para obter aproximac¸o˜es para esta raiz. Estude o comportamento das o´rbitas desta func¸a˜o para k = 4 e k = 6. 20.7.6 Crescimento de populac¸o˜es - Gerenciando um pesque e pague A proposta de utilizar a matema´tica para descrever o crescimento de uma populac¸a˜o comec¸ou com o economista ingleˆs T.R.Malthus (1798). Malthus, em seu modelo, considerava que o crescimento de uma populac¸a˜o era proporcional a` populac¸a˜o presente em cada instante; desta forma, a populac¸a˜o humana cresceria sem limite (por queˆ?). Este modelo propunha um crescimento de vida o´timo, sem fome, sem guerra, epidemias ou qualquer outra cata´strofe, onde todos os indiv´ıduos seriam ideˆnticos, com o mesmo comportamento. O objetivo principal de Malthus ao formular este modelo foi o de chocar a opinia˜o pu´blica da e´poca, uma vez que estabelecia um crescimento em progressa˜o geome´trica para a populac¸a˜o, enquanto que a alimentac¸a˜o crescia em progressa˜o aritme´tica. Os modelos matema´ticos para descrever o crescimento de uma populac¸a˜o passaram por va´rias modificac¸o˜es apo´s Malthus. Um dos modelos mais importantes e conhecidos e´ o do socio´logo belga P. F. Vehulst (1838), que supo˜e que qualquer populac¸a˜o e´ predisposta a sofrer inibic¸o˜es naturais em seu crescimento, devendo tender a um valor limite constante com o transcorrer do tempo. Este modelo e´ mais significativo e realista do ponto de vista biolo´gico. Sabemos que nenhuma populac¸a˜o cresce indefinidamente. Existem limitac¸o˜es estabelecidas pela disponibilidade de alimentos, por falta de espac¸o, por condic¸o˜es W.Bianchini, A.R.Santos 275 f´ısicas intolera´veis ou por uma se´rie de fatores que agem como mecanismos de controle. Todos estes elementos inibidores fazem com que uma populac¸a˜o tenda a um ma´ximo sustenta´vel (ponto de equil´ıbrio) quando o tempo aumenta. O objetivo deste projeto e´ aplicar o me´todo do ponto fixo, introduzido no projeto Tangentes, O´rbitas e Caos, para determinar pontos de equil´ıbrio para populac¸o˜es cujo crescimento e´ regido pelo modelo de Verhulst, tambe´m conhecido como lei log´ıstica para o crescimento populacional. O modelo de Verhulst propo˜e que a taxa de crescimento relativo da populac¸a˜o em cada instante seja uma func¸a˜o da populac¸a˜o, decrescendo linearmente quando a populac¸a˜o aumenta. Seja P (t) o nu´mero de indiv´ıduos presentes na populac¸a˜o em cada instante de tempo t. A hipo´tese acima pode ser expressa, matematicamente, pela equac¸a˜o [dPdt ] P = α− β P , ou, equivalentemente, dP dt = (α− β P )P , com α e β, positivos. Considerando a populac¸a˜o inicial, P (0) = P0, conhecida, o objetivo e´ prever o que acontece com P (t) quando t cresce. A func¸a˜o f(P ) = dPdt e´ uma para´bola cuja concavidade e´ voltada para baixo, que e´ zero quando P = 0 e P = αβ .Portanto, intuitivamente, e´ fa´cil prever que a partir de uma populac¸a˜o inicial P0 6= 0 e P0 < αβ , a populac¸a˜o P cresce ate´ estabilizar, quando a sua taxa de crescimento dpdt for zero, em algum valor pro´ximo de P = α β , que e´ a capacidade limite do meio ambiente. Os paraˆmetros α e β devem refletir o fato de que, para populac¸o˜es pequenas, o crescimento e´ quase ilimitado, enquanto que a competic¸a˜o entre os membros de uma populac¸a˜o grande forc¸ara´ uma diminuic¸a˜o gradual da taxa de crescimento ate´ que a capacidade limite do meio ambiente seja atingida e o crescimento da populac¸a˜o se estabilize. Vamos modificar um pouco o nosso modelo e considerar dPdt = F(P ) = r P − r P 2 L , onde r e´ uma constante positiva, que reflete a taxa o´tima (sem restric¸o˜es ambientais) de crescimento para a populac¸a˜o P, e L e´ a capacidade limite de um determinado meio ambiente. A varia´vel P, restrita ao intervalo [0, L], representa a frac¸a˜o da populac¸a˜o limite atingida a cada per´ıodo de tempo t. Assim, temos que P1 = P0 + F(P0), P2 = P1 + F(P1) e, de uma maneira geral, Pn+1 = Pn + F(Pn). Raciocinando como anteriormente, a populac¸a˜o estara´ estabilizada quando a taxa de crescimento, F (Pn), for igual a zero. Isto implica que Pn+1 = Pn. Mas, enta˜o, teremos que Pn = Pn + F (Pn) e calcular o limite atingido por uma determinada populac¸a˜o se reduz a encontrar os pontos fixos da func¸a˜o G(P ) = P + F (P ). Vamos, por exemplo, examinar o crescimento de uma populac¸a˜o de coelhos com uma taxa de crescimento irrestrita de 80% ao ano, em uma reserva florestal com capacidade limite de 10000. Para simplificar os ca´lculos, faremos 10000 coelhos igual a 1 unidade. Como vimos, o problema de determinar o comportamento da populac¸a˜o de coelhos ao longo do tempo se reduz a calcular os pontos fixos da equac¸a˜o G(P ) = 1, 8P − 0, 8P 2, isto e´, resolver a equac¸a˜o P = 1, 8P − 0, 8P 2. Este processo pode ser visualizado na animac¸a˜o (versa˜o eletroˆnica) e no gra´fico a seguir, onde cada passo representa a frac¸a˜o da capacidade limite atingida pela populac¸a˜o em cada per´ıodo de tempo fixado, neste exemplo, um ano. 0 0.2 0.4 0.6 0.8 1 1.2 0.2 0.4 0.6 0.8 1 1.2 x Vemos claramente neste exemplo que na˜o importa qual seja a populac¸a˜o inicial de coelhos: com o passar do tempo esta populac¸a˜o crescera´ ate´ atingir a capacidade limite do meio ambiente (aqui 1 = 10000), estabilizando neste patamar. (Nos gra´ficos, este e´ o ponto de intersec¸a˜o da para´bola G(P ) = 1, 8P − 0, 8P 2 com a reta y = P ). Suponhamos agora que queiramos liberar a cac¸a de coelhos nesta reserva florestal. Precisamos estudar como a cac¸a afetara´ o crescimento desta populac¸a˜o, isto e´, o que acontecera´ a longo prazo com a populac¸a˜o levando-se em conta va´rios n´ıveis poss´ıveis de cac¸a. 1. Pense um pouco e explique por que, se permitirmos queK coelhos sejam cac¸ados por ano, a func¸a˜oG(P ), que per- mite determinar o comportamento da populac¸a˜o com o passar do tempo sera´ dada porG(P ) = 1, 8P − 0, 8P 2 −K. Observe o diagrama e repare o que acontece com o nu´mero limite de coelhos a` medida que o valor de K aumenta. 276 Cap. 20. Acre´scimos, Diferenciais e Aproximac¸a˜o pela Reta Tangente 2. O que acontecera´, a longo prazo, com a populac¸a˜o de coelhos, se for permitida a cac¸a de 2500 coelhos por ano? 3. Se voceˆ fosse definir a pol´ıtica a ser seguida, qual o nu´mero ma´ximo de coelhos que permitiria fossem cac¸ados por ano? Se esse n´ıvel for mantido ao longo do tempo, qual sera´ a populac¸a˜o limite de coelhos na reserva? Justifique a sua resposta. 4. Voceˆ pretende construir na sua fazenda serrana um lago com capacidade de sustento para 20000 trutas e permitir a pesca no sistema pesque e pague. Para iniciar a sua criac¸a˜o voceˆ coloca no lago 5 000 trutas. Antes que se permita a pesca, e´ necessa´rio que a populac¸a˜o de trutas do lago esteja pro´xima a` populac¸a˜o limite. Supondo que, inicialmente, nenhuma pesca seja permitida, e que a populac¸a˜o de trutas, em ambiente favora´vel (sem limitac¸o˜es), cresc¸a a uma taxa de 70% a cada ano, desenvolva um sistema que modele o crescimento da populac¸a˜o de trutas ao longo do tempo. Quanto tempo levara´ para que a populac¸a˜o do lago atinja o limite de 20000 trutas? 5. Um dos seus so´cios esta´ impaciente e na˜o quer esperar ate´ que a populac¸a˜o de trutas atinja o limite ambiental e enta˜o sugere que se deˆ uma ma˜ozinha a` ma˜e natureza, colocando-se no lago, por algum tempo, uma populac¸a˜o adicional de 5000 trutas por ano. Se isto for feito, quanto tempo passara´ ate´ que a populac¸a˜o de trutas atinja o seu valor limite? Se a pesca nunca for permitida e se este nu´mero adicional de trutas continuar a ser colocado no lago a cada ano, o que acontecera´, a longo prazo, com a populac¸a˜o de trutas do lago? Faz sentido que este limite seja diferente da capacidade original do lago? 6. Apo´s muitas discusso˜es, voceˆs colocaram no lago 10 000 trutas e abriram o pesque e pague imediatamente. Voceˆs esperam que os visitantespesquem 2500 trutas por ano. Qual sera´ o efeito deste n´ıvel de pesca na populac¸a˜o do lago a longo prazo? Mantidas estas condic¸o˜es, podera´ a populac¸a˜o de trutas sobreviver a um desastre ecolo´gico que mate 50% dos peixes existentes no lago? 7. As condic¸o˜es se mostram favora´veis por dois anos e o seu pesque e pague se torna um sucesso. Como resultado do aumento de visitantes, sa˜o pescadas agora 4000 trutas por ano. Se a pesca for mantida a esta taxa e nenhuma reposic¸a˜o for feita, quanto tempo a populac¸a˜o de trutas do lago podera´ sobreviver? 8. Seu so´cio percebe que as trutas correm o perigo de se extinguir e decide estabelecer um nu´mero ma´ximo de trutas a serem pescadas por ano. Qual o nu´mero ma´ximo de trutas que podem ser pescadas por ano a fim de garantir a sobreviveˆncia da populac¸a˜o do lago? Neste caso, qual sera´ a populac¸a˜o de equil´ıbrio para este sistema? 9. Se nenhuma cata´strofe ambiental ocorrer nos pro´ximos anos, para que possa ser permitida a pesca de 4500 trutas por ano, quantas trutas voceˆs precisara˜o colocar no lago, por ano, para manter a estabilidade da populac¸a˜o?
Compartilhar