Math ClubMath Club
v1 · padrão canônico

Lição 57 — Aproximação linear e diferencial

Reta tangente como aproximação local. Diferencial dy. Estimativa de erro via segunda derivada. Newton-Raphson como linearização iterada.

Used in: 2.º ano do programa (Cálculo I) · Equiv. Math III japonês §4 · Equiv. Leistungskurs Differentialrechnung alemão · H2 Math singapurense §4.3

L(x)=f(a)+f(a)(xa)L(x) = f(a) + f'(a)(x - a)

Linearização de f no ponto a: a reta tangente ao gráfico em (a,f(a))(a,\,f(a)) é a melhor aproximação linear de f perto de a. O erro é O((xa)2)O((x-a)^2) — encolhe muito mais rápido que a distância ao ponto base.

Choose your door

Rigorous notation, full derivation, hypotheses

Definição rigorosa e teoria do erro

Linearização

"Se ff é diferenciável em aa, então L(x)=f(a)+f(a)(xa)L(x) = f(a) + f'(a)(x - a) é chamada a linearização de ff em aa. A aproximação f(x)L(x)f(x) \approx L(x) é chamada a aproximação linear ou aproximação tangente de ff em aa." — OpenStax Calculus Vol.1 §4.2

Diferencial

"Definimos dxdx e dydy como variáveis reais de modo que a seguinte equação vale: dy=f(x)dxdy = f'(x)\,dx. O diferencial dydy é uma aproximação linear da variação real Δy\Delta y." — OpenStax Calculus Vol.1 §4.2

Estimativa de erro via Taylor

Figura: reta tangente como aproximação local

xyy = f(x)L(x)aerrox

A reta tangente L(x)L(x) toca o gráfico de ff em (a,f(a))(a, f(a)). O erro (segmento laranja) entre a curva e a reta cresce com o quadrado da distância xa|x-a|.

Aproximações clássicas em a=0a = 0 (Maclaurin lineares)

f(x)f(x)L(x)L(x) em a=0a = 0Válida para
exe^x1+x1 + xxx pequeno
sinx\sin xxxxx em radianos, pequeno
cosx\cos x11xx pequeno
ln(1+x)\ln(1 + x)xxxx pequeno
(1+x)n(1 + x)^n1+nx1 + nxxx pequeno
1+x\sqrt{1 + x}1+x/21 + x/2xx pequeno
tanx\tan xxxxx pequeno
arctanx\arctan xxxxx pequeno

Propagação de erro

Para y=f(x)y = f(x) com incerteza σx\sigma_x em xx:

σyf(x)σx.\sigma_y \approx |f'(x)|\,\sigma_x.

Para funções de várias variáveis y=f(x1,,xn)y = f(x_1, \ldots, x_n) com erros independentes σi\sigma_i:

σy2i=1n(fxi)2σi2.\sigma_y^2 \approx \sum_{i=1}^{n} \left(\frac{\partial f}{\partial x_i}\right)^2 \sigma_i^2.

Exemplos resolvidos

Exercise list

40 exercises · 10 with worked solution (25%)

Application 22Understanding 8Modeling 4Challenge 4Proof 2
  1. Ex. 57.1Application

    Aproxime 4,1\sqrt{4{,}1} usando linearização em a=4a = 4.

    Select the correct option
    Select an option first
    Show solution
    Para f(x)=xf(x) = \sqrt{x} em a=4a = 4: f(4)=2f(4) = 2, f(4)=1/4f'(4) = 1/4. Logo L(4,1)=2+(1/4)(0,1)=2,025L(4{,}1) = 2 + (1/4)(0{,}1) = 2{,}025.
    Show step-by-step (with the why)
    1. Identifique a função e o ponto base. f(x)=xf(x) = \sqrt{x}, a=4a = 4. Escolhemos a=4a = 4 porque 4=2\sqrt{4} = 2 é exato.
    2. Calcule a derivada em a. f(x)=1/(2x)f'(x) = 1/(2\sqrt{x}), então f(4)=1/(22)=1/4f'(4) = 1/(2 \cdot 2) = 1/4.
    3. Escreva a linearização. L(x)=2+14(x4)L(x) = 2 + \frac{1}{4}(x - 4).
    4. Avalie em x = 4,1. L(4,1)=2+14(0,1)=2+0,025=2,025L(4{,}1) = 2 + \frac{1}{4}(0{,}1) = 2 + 0{,}025 = 2{,}025.

    Macete: o erro real é 4,1=2,02485\sqrt{4{,}1} = 2{,}02485; o erro da linearização é apenas 0,00015 — menos de 0,01%.

  2. Ex. 57.2Application

    Aproxime 9,06\sqrt{9{,}06} usando linearização em a=9a = 9. Compare com o valor real.

    Show solution
    f(x)=xf(x) = \sqrt{x}, a=9a = 9. f(9)=1/6f'(9) = 1/6. L(9,06)=3+(1/6)(0,06)=3,01L(9{,}06) = 3 + (1/6)(0{,}06) = 3{,}01. Valor real: 9,063,0100\sqrt{9{,}06} \approx 3{,}0100.
  3. Ex. 57.3Application

    Aproxime sin(0,05)\sin(0{,}05) usando linearização em a=0a = 0.

    Show solution
    f(x)=sinxf(x) = \sin x, a=0a = 0. f(0)=cos0=1f'(0) = \cos 0 = 1. L(x)=xL(x) = x. Então sin(0,05)0,05\sin(0{,}05) \approx 0{,}05. Valor real: 0,049980{,}04998.
    Show step-by-step (with the why)
    1. Ponto base. a=0a = 0 porque sin(0)=0\sin(0) = 0 e cos(0)=1\cos(0) = 1 são triviais.
    2. Derivada em a. f(x)=cosxf'(x) = \cos x, f(0)=1f'(0) = 1.
    3. Linearização. L(x)=0+1x=xL(x) = 0 + 1 \cdot x = x. A aproximação sinxx\sin x \approx x é fundamental em física (pequenas oscilações).
    4. Avaliação. L(0,05)=0,05L(0{,}05) = 0{,}05. Erro: 0,050,04998=0,00002|0{,}05 - 0{,}04998| = 0{,}00002.

    Macete: sinxx\sin x \approx x é válida para x|x| até cerca de 0,17 rad (10°) com erro menor que 0,5%.

  4. Ex. 57.4Application

    Aproxime cos(0,1)\cos(0{,}1) usando linearização em a=0a = 0. Explique por que o resultado é surpreendentemente impreciso.

    Show solution
    f(x)=cosxf(x) = \cos x, a=0a = 0. f(0)=sin0=0f'(0) = -\sin 0 = 0. L(x)=1L(x) = 1. Então cos(0,1)1\cos(0{,}1) \approx 1. Valor real: 0,99500{,}9950. O erro de 1ª ordem é zero aqui: f(0)=0f'(0) = 0, então a linearização é constante e precisamos de Taylor de 2ª ordem para melhorar.
  5. Ex. 57.5Application

    Aproxime e0,03e^{0{,}03} usando linearização em a=0a = 0.

    Show solution
    f(x)=exf(x) = e^x, a=0a = 0. f(0)=1f(0) = 1, f(0)=1f'(0) = 1. L(x)=1+xL(x) = 1 + x. L(0,03)=1,03L(0{,}03) = 1{,}03. Valor real: e0,03=1,03045e^{0{,}03} = 1{,}03045.
  6. Ex. 57.6Application

    Aproxime ln(1,05)\ln(1{,}05) usando linearização em a=1a = 1.

    Show solution
    f(x)=lnxf(x) = \ln x, a=1a = 1. f(1)=0f(1) = 0, f(1)=1f'(1) = 1. L(x)=x1L(x) = x - 1. L(1,05)=0,05L(1{,}05) = 0{,}05. Valor real: ln(1,05)=0,04879\ln(1{,}05) = 0{,}04879.
    Show step-by-step (with the why)
    1. Ponto base. a=1a = 1 porque ln(1)=0\ln(1) = 0 é exato e simples.
    2. Derivada em a. f(x)=1/xf'(x) = 1/x, f(1)=1f'(1) = 1.
    3. Linearização. L(x)=0+1(x1)=x1L(x) = 0 + 1 \cdot (x - 1) = x - 1. Equivalentemente: ln(1+u)u\ln(1 + u) \approx u para uu pequeno.
    4. Avaliação. L(1,05)=1,051=0,05L(1{,}05) = 1{,}05 - 1 = 0{,}05. Erro: 0,050,04879=0,00121|0{,}05 - 0{,}04879| = 0{,}00121, ou seja, 2,5% de erro.

    Macete: a fórmula ln(1+u)u\ln(1+u) \approx u é extensamente usada em finanças para converter taxas compostas em taxas simples quando uu é pequeno.

  7. Ex. 57.7ApplicationAnswer key

    Aproxime (1,02)10(1{,}02)^{10} usando linearização de (1+x)10(1+x)^{10} em x=0x = 0.

    Show solution
    f(x)=(1+x)10f(x) = (1+x)^{10}, a=0a = 0. f(0)=10f'(0) = 10. L(x)=1+10xL(x) = 1 + 10x. L(0,02)=1,2L(0{,}02) = 1{,}2. Valor real: 1,0210=1,21901{,}02^{10} = 1{,}2190 — erro de 1,6%.
  8. Ex. 57.8Application

    Aproxime 27,53\sqrt[3]{27{,}5} usando linearização em a=27a = 27.

    Show solution
    f(x)=x1/3f(x) = x^{1/3}, a=27a = 27. f(27)=3f(27) = 3, f(27)=(1/3)(27)2/3=1/27f'(27) = (1/3)(27)^{-2/3} = 1/27. L(27,5)=3+(1/27)(0,5)=3+0,01853,019L(27{,}5) = 3 + (1/27)(0{,}5) = 3 + 0{,}0185 \approx 3{,}019. Valor real: 27,51/33,018527{,}5^{1/3} \approx 3{,}0185.
    Show step-by-step (with the why)
    1. Ponto base. a=27a = 27 porque 271/3=327^{1/3} = 3 é cubo perfeito exato.
    2. Derivada em a. f(x)=13x2/3f'(x) = \frac{1}{3}x^{-2/3}, f(27)=13272/3=1319=127f'(27) = \frac{1}{3} \cdot 27^{-2/3} = \frac{1}{3} \cdot \frac{1}{9} = \frac{1}{27}.
    3. Linearização. L(x)=3+127(x27)L(x) = 3 + \frac{1}{27}(x - 27).
    4. Avaliação. L(27,5)=3+0,5273,0185L(27{,}5) = 3 + \frac{0{,}5}{27} \approx 3{,}0185.

    Curiosidade: Newton usou este tipo de cálculo para computar raízes sem calculadora. O método era publicado no Arithmetica Universalis (1707).

  9. Ex. 57.9Application

    Escreva a linearização de f(x)=tanxf(x) = \tan x em a=0a = 0. Esta linearização é idêntica à de sinx\sin x em a=0a = 0 — por quê?

    Show solution
    f(x)=tanxf(x) = \tan x, a=0a = 0. f(0)=0f(0) = 0, f(x)=sec2xf'(x) = \sec^2 x, f(0)=1f'(0) = 1. Linearização: L(x)=xL(x) = x.
  10. Ex. 57.10Application

    Escreva a linearização de f(x)=arctanxf(x) = \arctan x em a=1a = 1.

    Show solution
    f(x)=arctanxf(x) = \arctan x, a=1a = 1. f(1)=π/4f(1) = \pi/4, f(x)=1/(1+x2)f'(x) = 1/(1+x^2), f(1)=1/2f'(1) = 1/2. Linearização: L(x)=π/4+(1/2)(x1)L(x) = \pi/4 + (1/2)(x-1).
  11. Ex. 57.11ApplicationAnswer key

    Escreva a linearização de f(x)=exsinxf(x) = e^x \sin x em a=0a = 0.

    Show solution
    f(x)=exsinxf(x) = e^x \sin x, a=0a = 0. f(0)=0f(0) = 0. Regra do produto: f(x)=exsinx+excosxf'(x) = e^x \sin x + e^x \cos x. f(0)=0+1=1f'(0) = 0 + 1 = 1. Linearização: L(x)=xL(x) = x.
    Show step-by-step (with the why)
    1. Avalie f em a = 0. f(0)=e0sin0=10=0f(0) = e^0 \sin 0 = 1 \cdot 0 = 0.
    2. Calcule f'(x) pela regra do produto. f(x)=(ex)sinx+ex(sinx)=exsinx+excosxf'(x) = (e^x)' \sin x + e^x (\sin x)' = e^x \sin x + e^x \cos x.
    3. Avalie f'(0). f(0)=e0sin0+e0cos0=0+1=1f'(0) = e^0 \sin 0 + e^0 \cos 0 = 0 + 1 = 1.
    4. Escreva L(x). L(x)=0+1(x0)=xL(x) = 0 + 1 \cdot (x - 0) = x.

    Observação: mesmo sendo um produto complexo, a linearização é simples — exsinxxe^x \sin x \approx x perto de zero — porque ambos os fatores têm linearizações simples que se multiplicam como (1+x)xx(1+x) \cdot x \approx x para xx pequeno.

  12. Ex. 57.12Application

    Aproxime 50\sqrt{50} usando linearização em a=49a = 49.

    Show solution
    f(x)=xf(x) = \sqrt{x}, a=49a = 49. f(49)=7f(49) = 7, f(49)=1/14f'(49) = 1/14. L(50)=7+(1/14)(1)=7,0714L(50) = 7 + (1/14)(1) = 7{,}0714. Valor real: 50=7,0711\sqrt{50} = 7{,}0711.
  13. Ex. 57.13Application

    Calcule o diferencial dydy para y=x3y = x^3 em x=2x = 2, dx=0,01dx = 0{,}01. Compare com a variação real Δy\Delta y.

    Show solution
    y=x3y = x^3. dy=3x2dxdy = 3x^2\,dx. Em x=2x = 2, dx=0,01dx = 0{,}01: dy=3(4)(0,01)=0,12dy = 3(4)(0{,}01) = 0{,}12. Variação real: Δy=(2,01)38=0,120601\Delta y = (2{,}01)^3 - 8 = 0{,}120601.
    Show step-by-step (with the why)
    1. Escreva o diferencial. dy=ddx(x3)dx=3x2dxdy = \frac{d}{dx}(x^3)\,dx = 3x^2\,dx. O diferencial é a derivada vezes a variação em x.
    2. Substitua os valores. x=2x = 2, dx=0,01dx = 0{,}01: dy=3(2)2(0,01)=340,01=0,12dy = 3(2)^2(0{,}01) = 3 \cdot 4 \cdot 0{,}01 = 0{,}12.
    3. Confirme com a variação real. Δy=(2,01)323=8,1206018=0,120601\Delta y = (2{,}01)^3 - 2^3 = 8{,}120601 - 8 = 0{,}120601. Diferença: 0,1206010,12=0,0006010{,}120601 - 0{,}12 = 0{,}000601. Menos de 0,5%.

    Macete: o diferencial é sempre uma forma de primeira ordem — ignora todos os termos de ordem 2 em dxdx. A diferença entre Δy\Delta y e dydy é justamente esses termos de ordem superior.

  14. Ex. 57.14ApplicationAnswer key

    Calcule o diferencial dydy para y=exy = e^x em x=0x = 0, dx=0,1dx = 0{,}1.

    Show solution
    y=exy = e^x. dy=exdxdy = e^x\,dx. Em x=0x = 0, dx=0,1dx = 0{,}1: dy=e00,1=0,1dy = e^0 \cdot 0{,}1 = 0{,}1. Valor real: e0,11=0,1052e^{0{,}1} - 1 = 0{,}1052.
  15. Ex. 57.15Application

    Aproxime sin(31°)\sin(31°) usando linearização de sin\sin em a=30°a = 30°. Use sin(30°)=0,5\sin(30°) = 0{,}5 e cos(30°)=3/2\cos(30°) = \sqrt{3}/2.

    Show solution
    f(x)=sinxf(x) = \sin x, a=π/6a = \pi/6 (30°). f(π/6)=cos(π/6)=3/20,866f'(\pi/6) = \cos(\pi/6) = \sqrt{3}/2 \approx 0{,}866. Diferença: 1°=π/1800,017451° = \pi/180 \approx 0{,}01745 rad. L=0,5+0,866×0,017450,5151L = 0{,}5 + 0{,}866 \times 0{,}01745 \approx 0{,}5151. Valor real: sin(31°)=0,5150\sin(31°) = 0{,}5150.
    Show step-by-step (with the why)
    1. Converta ângulos para radianos. a=30°=π/6a = 30° = \pi/6, x=31°=31π/180x = 31° = 31\pi/180.
    2. Calcule x - a. xa=1°=π/1800,01745x - a = 1° = \pi/180 \approx 0{,}01745 rad.
    3. Derivada em a. f(π/6)=cos(π/6)=3/20,866f'(\pi/6) = \cos(\pi/6) = \sqrt{3}/2 \approx 0{,}866.
    4. Linearização. L=0,5+0,866×0,017450,5151L = 0{,}5 + 0{,}866 \times 0{,}01745 \approx 0{,}5151.

    Macete: ao linearizar funções trigonométricas em ângulos dados em graus, converta SEMPRE para radianos antes de aplicar a derivada. Graus não funcionam com as derivadas usuais.

  16. Ex. 57.16ApplicationAnswer key

    Aproxime cos(59°)\cos(59°) usando linearização de cos\cos em a=60°a = 60°.

    Show solution
    f(x)=cosxf(x) = \cos x, a=π/3a = \pi/3 (60°). f(π/3)=0,5f(\pi/3) = 0{,}5, f(π/3)=sin(π/3)=3/2f'(\pi/3) = -\sin(\pi/3) = -\sqrt{3}/2. Diferença: 59°60°=π/18059° - 60° = -\pi/180. L=0,5+(0,866)(π/180)0,5151L = 0{,}5 + (-0{,}866)(-\pi/180) \approx 0{,}5151.
  17. Ex. 57.17Application

    Qual é a linearização de f(x)=1+xf(x) = \sqrt{1 + x} em a=0a = 0?

    Select the correct option
    Select an option first
    Show solution
    f(x)=1+xf(x) = \sqrt{1+x}, a=0a = 0. f(0)=1f(0) = 1, f(x)=1/(21+x)f'(x) = 1/(2\sqrt{1+x}), f(0)=1/2f'(0) = 1/2. L(x)=1+x/2L(x) = 1 + x/2. Distrator B ignora o fator 1/2 da derivada. Distrator C erra o sinal. Distrator D esquece o valor em a = 0.
  18. Ex. 57.18Application

    Aproxime 1/4,11/\sqrt{4{,}1} usando linearização em a=4a = 4.

    Show solution
    g(x)=x1/2g(x) = x^{-1/2}, a=4a = 4. g(4)=1/2g(4) = 1/2, g(x)=1/(2x3/2)g'(x) = -1/(2x^{3/2}), g(4)=1/16g'(4) = -1/16. L(4,1)=0,5(1/16)(0,1)=0,50,00625=0,4938L(4{,}1) = 0{,}5 - (1/16)(0{,}1) = 0{,}5 - 0{,}00625 = 0{,}4938.
  19. Ex. 57.19Application

    Escreva a linearização de f(x)=lnxf(x) = \ln x em a=ea = e.

    Show solution
    f(x)=lnxf(x) = \ln x, a=ea = e. f(e)=1f(e) = 1, f(e)=1/ef'(e) = 1/e. L(x)=1+(xe)/eL(x) = 1 + (x-e)/e.
  20. Ex. 57.20Application

    Calcule o erro absoluto da linearização de 4,1\sqrt{4{,}1} em a=4a = 4 comparando com 4,12,024846\sqrt{4{,}1} \approx 2{,}024846. Verifique que o erro está dentro da cota M2h2/2M_2 h^2/2.

    Show solution
    Erro absoluto da linearização de 4,1\sqrt{4{,}1}: L(4,1)4,1=2,0252,0248460,000154|L(4{,}1) - \sqrt{4{,}1}| = |2{,}025 - 2{,}024846| \approx 0{,}000154. Cota teórica: M2(0,1)2/2M_2(0{,}1)^2/2 onde M2=1/(443/2)=1/32M_2 = 1/(4 \cdot 4^{3/2}) = 1/32. Cota: (1/32)(0,01)/2=0,000156(1/32)(0{,}01)/2 = 0{,}000156. Erro real está dentro da cota.
  21. Ex. 57.21Application

    Execute uma iteração de Newton-Raphson para encontrar 5\sqrt{5}, partindo de x0=2x_0 = 2.

    Show solution
    f(x)=x25f(x) = x^2 - 5, f(x)=2xf'(x) = 2x. Com x0=2x_0 = 2: x1=2(45)/4=2+1/4=2,25x_1 = 2 - (4-5)/4 = 2 + 1/4 = 2{,}25. Valor real: 5=2,2361\sqrt{5} = 2{,}2361.
    Show step-by-step (with the why)
    1. Reformule o problema. Encontrar 5\sqrt{5} equivale a resolver x25=0x^2 - 5 = 0. Defina f(x)=x25f(x) = x^2 - 5, f(x)=2xf'(x) = 2x.
    2. Aplique Newton-Raphson. x1=x0f(x0)/f(x0)=2(45)/(22)=2(1)/4=2+0,25=2,25x_1 = x_0 - f(x_0)/f'(x_0) = 2 - (4 - 5)/(2 \cdot 2) = 2 - (-1)/4 = 2 + 0{,}25 = 2{,}25.
    3. Avalie o erro. 52,25=2,23612,25=0,0139|\sqrt{5} - 2{,}25| = |2{,}2361 - 2{,}25| = 0{,}0139. Partimos de 0 e já temos 2 casas certas em 1 iteração.

    Macete: a convergência é quadrática — na próxima iteração o erro seria C(0,014)20,0001\approx C(0{,}014)^2 \approx 0{,}0001, dando mais 2 casas decimais de graça.

  22. Ex. 57.22ApplicationAnswer key

    Execute duas iterações de Newton-Raphson para resolver x32=0x^3 - 2 = 0 com x0=1x_0 = 1.

    Show solution
    f(x)=x32f(x) = x^3 - 2, f(x)=3x2f'(x) = 3x^2. x1=1(1)/3=4/31,333x_1 = 1 - (-1)/3 = 4/3 \approx 1{,}333. f(4/3)=64/272=10/27f(4/3) = 64/27 - 2 = 10/27. x2=4/3(10/27)/(316/9)=4/310/1441,2637x_2 = 4/3 - (10/27)/(3 \cdot 16/9) = 4/3 - 10/144 \approx 1{,}2637. Real: 21/3=1,25992^{1/3} = 1{,}2599.
  23. Ex. 57.23Modeling

    A esfera tem raio r=5,0±0,1r = 5{,}0 \pm 0{,}1 cm. Estime o erro máximo no volume V=43πr3V = \frac{4}{3}\pi r^3 usando diferencial.

    Show solution
    V=(4/3)πr3V = (4/3)\pi r^3. dV=4πr2drdV = 4\pi r^2\,dr. Com r=5r = 5, dr=0,1dr = 0{,}1: dV=4π(25)(0,1)=10π31,4dV = 4\pi(25)(0{,}1) = 10\pi \approx 31{,}4 cm³. Erro relativo: 10π/(500π/3)6%10\pi/(500\pi/3) \approx 6\%.
    Show step-by-step (with the why)
    1. Diferencial do volume. V=43πr3dV=4πr2drV = \frac{4}{3}\pi r^3 \Rightarrow dV = 4\pi r^2\,dr. Note que 4πr24\pi r^2 é a área da superfície da esfera — faz sentido geometricamente.
    2. Substitua os valores. r=5r = 5 cm, dr=0,1dr = 0{,}1 cm: dV=4π(25)(0,1)=10π31,4dV = 4\pi(25)(0{,}1) = 10\pi \approx 31{,}4 cm³.
    3. Calcule o erro relativo. V(5)=(4/3)π(125)=500π/3524V(5) = (4/3)\pi(125) = 500\pi/3 \approx 524 cm³. Erro relativo: 31,4/5246%31{,}4/524 \approx 6\%.

    Curiosidade: o erro relativo no volume é 3 vezes o erro relativo no raio — consequência direta de Vr3V \propto r^3. Regra geral: para f(x)=xnf(x) = x^n, erro relativo em ff é nn vezes erro relativo em xx.

  24. Ex. 57.24Modeling

    O período de um pêndulo é T=2πL/gT = 2\pi\sqrt{L/g}. Se o comprimento LL tem erro relativo de 1%1\%, qual o erro relativo em TT?

    Show solution
    T=2πL/gT = 2\pi\sqrt{L/g}. dT/T=(1/2)dL/LdT/T = (1/2)\,dL/L. Erro relativo em LL de 1% resulta em dT/T=0,5%dT/T = 0{,}5\%. Erro no período é metade do erro no comprimento.
    Show step-by-step (with the why)
    1. Escreva T como potência de L. T=2πg1/2L1/2T = 2\pi g^{-1/2} L^{1/2}. O expoente de LL é 1/21/2.
    2. Regra do erro relativo. Para TL1/2T \propto L^{1/2}, o erro relativo em TT é 1/21/2 vezes o erro relativo em LL.
    3. Aplique. dT/T=(1/2)1%=0,5%dT/T = (1/2) \cdot 1\% = 0{,}5\%.

    Macete: o expoente aparece como fator multiplicativo dos erros relativos. Para raiz quadrada (expoente 1/2), o erro relativo cai pela metade. Para quadratura (expoente 2), o erro relativo dobra.

  25. Ex. 57.25ModelingAnswer key

    Para R=V/IR = V/I com erros independentes σV\sigma_V e σI\sigma_I, escreva a fórmula de propagação de erro para σR\sigma_R usando derivadas parciais.

    Show solution
    R=V/IR = V/I. R/V=1/I\partial R/\partial V = 1/I, R/I=V/I2\partial R/\partial I = -V/I^2. σR2(σV/I)2+(VσI/I2)2\sigma_R^2 \approx (\sigma_V/I)^2 + (V\sigma_I/I^2)^2, logo σR=(σV/I)2+(VσI/I2)2\sigma_R = \sqrt{(\sigma_V/I)^2 + (V\sigma_I/I^2)^2}. A fórmula propaga os erros quadraticamente para erros independentes.
  26. Ex. 57.26Modeling

    A área de um círculo é A=πr2A = \pi r^2 com r=3,0±0,064r = 3{,}0 \pm 0{,}064 cm. Estime o erro máximo em AA pelo diferencial.

    Show solution
    A=πr2A = \pi r^2. dA=2πrdrdA = 2\pi r\,dr. Com r=3r = 3, dr=0,064dr = 0{,}064 (pois dA=1,2dr=1,2/(2π3)=0,0637dA = 1{,}2 \Rightarrow dr = 1{,}2/(2\pi \cdot 3) = 0{,}0637): dA=2π(3)(0,0637)1,2dA = 2\pi(3)(0{,}0637) \approx 1{,}2 cm².
  27. Ex. 57.27UnderstandingAnswer key

    Por que o erro da linearização f(x)L(x)|f(x) - L(x)| é dito O((xa)2)O((x-a)^2)? Qual teorema fundamenta isso?

    Select the correct option
    Select an option first
    Show solution
    Pelo teorema de Taylor com resto de Lagrange: f(x)L(x)=f(ξ)(xa)2/2f(x) - L(x) = f''(\xi)(x-a)^2/2. O erro cresce com o quadrado da distância ao ponto base. Distrator B confunde com o crescimento da própria linearização. Distrators C e D não têm fundamentação em Taylor.
    Show step-by-step (with the why)
    1. Escreva Taylor com resto. f(x)=f(a)+f(a)(xa)+f(ξ)2(xa)2f(x) = f(a) + f'(a)(x-a) + \frac{f''(\xi)}{2}(x-a)^2 para algum ξ\xi entre aa e xx.
    2. Identifique o erro. f(x)L(x)=f(ξ)2(xa)2f(x) - L(x) = \frac{f''(\xi)}{2}(x-a)^2. O termo é quadrático em (xa)(x-a).
    3. Interprete. Se xa|x-a| diminui pela metade, o erro cai por fator 4. Se aumenta ao dobro, o erro quadruplica.

    Macete: "2ª ordem" significa que o expoente de (xa)(x-a) no erro é 2 — por isso a linearização é tão útil para distâncias pequenas mas falha para distâncias grandes.

  28. Ex. 57.28Understanding

    Em que circunstância a linearização de ff em aa é especialmente imprecisa, mesmo para xx próximo de aa? O que fazer nesses casos?

    Show solution
    Quando f(a)=0f'(a) = 0, a linearização L(x)=f(a)L(x) = f(a) é constante. O comportamento de ff perto de aa é dominado pela curvatura (ff''), não pela inclinação. A linearização é inutilmente imprecisa nesses pontos — use Taylor de 2ª ordem: f(x)f(a)+f(a)(xa)2/2f(x) \approx f(a) + f''(a)(x-a)^2/2.
  29. Ex. 57.29Understanding

    Mostre que sinxx\sin x \approx x é a linearização de sin\sin em a=0a = 0. Para que valores de xx (em radianos) o erro é menor que 1%?

    Show solution
    f(x)=sinxf(x) = \sin x, a=0a = 0: f(0)=cos(0)=1f'(0) = \cos(0) = 1. Linearização: L(x)=xL(x) = x. A aproximação sinxx\sin x \approx x tem erro menor que 1% para x<0,17|x| < 0{,}17 rad (cerca de 10°). A cota do erro é x2/2|x|^2/2; para 1% de sinxx\sin x \approx x, resolve x2/2<0,01xx^2/2 < 0{,}01 x, ou seja x<0,02x < 0{,}02 — mas o critério prático de engenharia é até 14°.
  30. Ex. 57.30Understanding

    Qual a relação entre Δy\Delta y (variação real) e dydy (diferencial)?

    Select the correct option
    Select an option first
    Show solution
    Δy=f(x+Δx)f(x)\Delta y = f(x + \Delta x) - f(x) é a variação real. dy=f(x)Δxdy = f'(x)\,\Delta x é a variação linear. A diferença Δydy=O(Δx2)\Delta y - dy = O(\Delta x^2) tende a zero mais rápido que Δx\Delta x. Distrator B ignora o erro de ordem 2. Distrator C está certo para funções afins mas a pergunta é sobre igualdade em geral. Distrator D é falso: para funções côncavas Δy<dy\Delta y < dy.
  31. Ex. 57.31Understanding

    Explique de onde vem a fórmula de Newton-Raphson xn+1=xnf(xn)/f(xn)x_{n+1} = x_n - f(x_n)/f'(x_n) em termos de linearização.

    Show solution
    Newton-Raphson: xn+1=xnf(xn)/f(xn)x_{n+1} = x_n - f(x_n)/f'(x_n). Origem: zeramos a linearização de ff em xnx_n. A reta tangente é L(x)=f(xn)+f(xn)(xxn)L(x) = f(x_n) + f'(x_n)(x - x_n); zerando: x=xnf(xn)/f(xn)x = x_n - f(x_n)/f'(x_n). Cada iteração é uma linearização local cujo zero vira a próxima estimativa.
  32. Ex. 57.32Understanding

    Use linearização para aproximar (1,002)30(1{,}002)^{30}.

    Show solution
    f(x)=(1+x)30f(x) = (1+x)^{30}, a=0a = 0. f(0)=30f'(0) = 30. L(0,002)=1+30(0,002)=1,06L(0{,}002) = 1 + 30(0{,}002) = 1{,}06. Valor exato: (1,002)301,0618(1{,}002)^{30} \approx 1{,}0618.
  33. Ex. 57.33Understanding

    O lado de um cubo é medido com erro relativo de 1%1\%. Qual o erro relativo no volume V=s3V = s^3?

    Show solution
    V=s3V = s^3. dV=3s2dsdV = 3s^2\,ds. Erro relativo em VV: dV/V=3ds/s=3×1%=3%dV/V = 3\,ds/s = 3 \times 1\% = 3\%. O expoente 3 aparece como fator multiplicativo.
    Show step-by-step (with the why)
    1. Diferencial do volume. V=s3dV=3s2dsV = s^3 \Rightarrow dV = 3s^2\,ds.
    2. Erro relativo. Divida dVdV por VV: dV/V=3s2ds/s3=3(ds/s)dV/V = 3s^2 ds / s^3 = 3(ds/s).
    3. Substitua. ds/s=1%dV/V=3×1%=3%ds/s = 1\% \Rightarrow dV/V = 3 \times 1\% = 3\%.

    Macete: para qualquer f(x)=xnf(x) = x^n, o erro relativo em ff é nn vezes o erro relativo em xx. Isso é direto da regra da potência aplicada ao diferencial.

  34. Ex. 57.34Understanding

    Escreva a linearização de g(x)=1/1+xg(x) = 1/\sqrt{1+x} em a=0a = 0.

    Show solution
    g(x)=(1+x)1/2g(x) = (1+x)^{-1/2}, a=0a = 0. g(x)=12(1+x)3/2g'(x) = -\frac{1}{2}(1+x)^{-3/2}, g(0)=1/2g'(0) = -1/2. L(x)=1x/2L(x) = 1 - x/2. Esta é a aproximação binomial para expoente 1/2-1/2.
  35. Ex. 57.35ChallengeAnswer key

    Calcule o erro absoluto e relativo da linearização de exe^x em a=0a = 0 ao aproximar e1=ee^1 = e. O resultado é surpreendente? Explique.

    Show solution
    Linearização de exe^x em a=0a = 0: L(1)=1+1=2L(1) = 1 + 1 = 2. Valor real: e1=2,71828e^1 = 2{,}71828. Erro absoluto: 2,718282=0,71828|2{,}71828 - 2| = 0{,}71828. Erro relativo: 0,71828/2,7182826,4%0{,}71828 / 2{,}71828 \approx 26{,}4\%. É grande porque x=1x = 1 está longe de a=0a = 0: a cota do erro é e12/21,36e \cdot 1^2/2 \approx 1{,}36, muito maior que o erro efetivo mas não nulo.
    Show step-by-step (with the why)
    1. Calcule L(1). L(x)=1+xL(x) = 1 + x; L(1)=2L(1) = 2.
    2. Valor real. e1=e2,71828e^1 = e \approx 2{,}71828.
    3. Erro absoluto. e2=0,71828|e - 2| = 0{,}71828.
    4. Erro relativo. 0,71828/2,7182826,4%0{,}71828/2{,}71828 \approx 26{,}4\%. Grande: o ponto x=1x = 1 está longe de a=0a = 0.

    Observação: para melhorar para x=1x = 1, use o ponto base a=1a = 1 e e0,1e^{0{,}1} como alvo — ou use Taylor de grau maior.

  36. Ex. 57.36Challenge

    Newton-Raphson falha quando f(xn)=0f'(x_n) = 0. Explique geometricamente e dê um exemplo de função onde isso ocorre.

    Show solution
    Se f(xn)=0f'(x_n) = 0, a reta tangente em xnx_n é horizontal e nunca cruza o eixo xx. Newton-Raphson tenta dividir por f(xn)=0f'(x_n) = 0: indefinido. Exemplo: f(x)=x2f(x) = x^2 com raiz em x=0x^* = 0 e f(0)=0f'(0) = 0. Newton oscila ou diverge nesse caso — a tangente horizontal não fornece informação direcional.
  37. Ex. 57.37Challenge

    Derive a cota de erro f(x)L(x)M22(xa)2|f(x) - L(x)| \leq \frac{M_2}{2}(x-a)^2 a partir do teorema de Taylor com resto de Lagrange.

    Show solution
    Do teorema de Taylor: f(x)=L(x)+f(ξ)(xa)2/2f(x) = L(x) + f''(\xi)(x-a)^2/2. Logo f(x)L(x)=f(ξ)xa2/2M2(xa)2/2|f(x) - L(x)| = |f''(\xi)||x-a|^2/2 \leq M_2(x-a)^2/2 onde M2=max[a,x]fM_2 = \max_{[a,x]}|f''|. A cota é M2h2/2M_2 h^2/2 com h=xah = |x - a|.
  38. Ex. 57.38ChallengeAnswer key

    Volume do cilindro: V=πr2hV = \pi r^2 h. Com r=5,0±0,1r = 5{,}0 \pm 0{,}1 cm e h=10,0±0,2h = 10{,}0 \pm 0{,}2 cm, estime o erro máximo em VV pelo diferencial total.

    Show solution
    V=πr2hV = \pi r^2 h. Diferencial total: dV=2πrhdr+πr2dhdV = 2\pi r h\,dr + \pi r^2\,dh. Com r=5r = 5, h=10h = 10, dr=0,1dr = 0{,}1, dh=0,2dh = 0{,}2: dV=2π(5)(10)(0,1)+π(25)(0,2)=10π+5π=15π47,1dV = 2\pi(5)(10)(0{,}1) + \pi(25)(0{,}2) = 10\pi + 5\pi = 15\pi \approx 47{,}1 cm³.
    Show step-by-step (with the why)
    1. Diferencial total. Para funções de duas variáveis: dV=Vrdr+VhdhdV = \frac{\partial V}{\partial r}\,dr + \frac{\partial V}{\partial h}\,dh.
    2. Derivadas parciais. V/r=2πrh\partial V/\partial r = 2\pi r h, V/h=πr2\partial V/\partial h = \pi r^2.
    3. Substitua. dV=2π(5)(10)(0,1)+π(25)(0,2)=10π+5π=15π47,1dV = 2\pi(5)(10)(0{,}1) + \pi(25)(0{,}2) = 10\pi + 5\pi = 15\pi \approx 47{,}1 cm³.

    Macete: o diferencial total generaliza o diferencial unidimensional para funções de várias variáveis — cada variável contribui com sua derivada parcial vezes sua variação.

  39. Ex. 57.39ProofAnswer key

    Demonstre que L(x)=f(a)+f(a)(xa)L(x) = f(a) + f'(a)(x-a) é o polinômio de Taylor de grau 1 de ff em aa, e que o erro é O((xa)2)O((x-a)^2).

    Show solution
    Série de Taylor completa: f(x)=k=0f(k)(a)k!(xa)kf(x) = \sum_{k=0}^{\infty} \frac{f^{(k)}(a)}{k!}(x-a)^k. Truncando em k=1k = 1: P1(x)=f(a)+f(a)(xa)=L(x)P_1(x) = f(a) + f'(a)(x-a) = L(x). A linearização é o polinômio de Taylor de grau 1. O erro f(x)P1(x)=k=2f(k)(a)k!(xa)kf(x) - P_1(x) = \sum_{k=2}^{\infty} \frac{f^{(k)}(a)}{k!}(x-a)^k tem termo dominante O((xa)2)O((x-a)^2).
  40. Ex. 57.40Proof

    Demonstre que Newton-Raphson tem convergência quadrática: se en=xnxe_n = x_n - x^* é o erro na nn-ésima iteração e f(x)0f'(x^*) \neq 0, então en+1Cen2|e_{n+1}| \leq C\,|e_n|^2 para alguma constante C>0C > 0.

    Show solution
    Seja xx^* a raiz exata (f(x)=0f(x^*) = 0), en=xnxe_n = x_n - x^*. Taylor em xx^*: f(xn)=f(x)en+f(ξn)en2/2f(x_n) = f'(x^*) e_n + f''(\xi_n) e_n^2/2. Iteração de Newton: en+1=xn+1x=xnf(xn)/f(xn)xe_{n+1} = x_{n+1} - x^* = x_n - f(x_n)/f'(x_n) - x^*. Expandindo e simplificando: en+1f(x)en2/(2f(x))e_{n+1} \approx -f''(x^*) e_n^2 / (2f'(x^*)). Logo en+1Cen2|e_{n+1}| \leq C|e_n|^2 com C=f(x)/(2f(x))C = |f''(x^*)| / (2|f'(x^*)|). Convergência quadrática.

Fontes

  • Active Calculus — Boelkins · 2024 · §1.8 "The tangent line approximation" · CC-BY-NC-SA. Fonte primária. Exercícios 57.1–57.2, 57.5, 57.7, 57.11–57.12, 57.15, 57.20–57.21, 57.27, 57.29, 57.31, 57.35, 57.37, 57.39–57.40.
  • Calculus Volume 1 — OpenStax · 2016 · §4.2 "Linear Approximations and Differentials" · CC-BY-NC-SA. Exercícios 57.3–57.4, 57.6, 57.13–57.14, 57.17–57.19, 57.23, 57.25, 57.28, 57.30, 57.33.
  • APEX Calculus — Hartman et al. · 2024 · v5 · §4.4 "Differentials" · CC-BY-NC. Exercícios 57.8–57.10, 57.16, 57.22, 57.24, 57.26, 57.31, 57.34, 57.36, 57.38.

Updated on 2026-05-05 · Author(s): Clube da Matemática

Found an error? Open an issue on GitHub or submit a PR — open source forever.