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
Linearização de f no ponto a: a reta tangente ao gráfico em é a melhor aproximação linear de f perto de a. O erro é — encolhe muito mais rápido que a distância ao ponto base.
Rigorous notation, full derivation, hypotheses
Definição rigorosa e teoria do erro
Linearização
"Se é diferenciável em , então é chamada a linearização de em . A aproximação é chamada a aproximação linear ou aproximação tangente de em ." — OpenStax Calculus Vol.1 §4.2
Diferencial
"Definimos e como variáveis reais de modo que a seguinte equação vale: . O diferencial é uma aproximação linear da variação real ." — OpenStax Calculus Vol.1 §4.2
Estimativa de erro via Taylor
Figura: reta tangente como aproximação local
A reta tangente toca o gráfico de em . O erro (segmento laranja) entre a curva e a reta cresce com o quadrado da distância .
Aproximações clássicas em (Maclaurin lineares)
| em | Válida para | |
|---|---|---|
| pequeno | ||
| em radianos, pequeno | ||
| pequeno | ||
| pequeno | ||
| pequeno | ||
| pequeno | ||
| pequeno | ||
| pequeno |
Propagação de erro
Para com incerteza em :
Para funções de várias variáveis com erros independentes :
Exemplos resolvidos
Exercise list
40 exercises · 10 with worked solution (25%)
- Ex. 57.1Application
Aproxime usando linearização em .
Show solution
Para em : , . Logo .Show step-by-step (with the why)
- Identifique a função e o ponto base. , . Escolhemos porque é exato.
- Calcule a derivada em a. , então .
- Escreva a linearização. .
- Avalie em x = 4,1. .
Macete: o erro real é ; o erro da linearização é apenas 0,00015 — menos de 0,01%.
- Ex. 57.2Application
Aproxime usando linearização em . Compare com o valor real.
Show solution
, . . . Valor real: . - Ex. 57.3Application
Aproxime usando linearização em .
Show solution
, . . . Então . Valor real: .Show step-by-step (with the why)
- Ponto base. porque e são triviais.
- Derivada em a. , .
- Linearização. . A aproximação é fundamental em física (pequenas oscilações).
- Avaliação. . Erro: .
Macete: é válida para até cerca de 0,17 rad (10°) com erro menor que 0,5%.
- Ex. 57.4Application
Aproxime usando linearização em . Explique por que o resultado é surpreendentemente impreciso.
Show solution
, . . . Então . Valor real: . O erro de 1ª ordem é zero aqui: , então a linearização é constante e precisamos de Taylor de 2ª ordem para melhorar. - Ex. 57.5Application
Aproxime usando linearização em .
Show solution
, . , . . . Valor real: . - Ex. 57.6Application
Aproxime usando linearização em .
Show solution
, . , . . . Valor real: .Show step-by-step (with the why)
- Ponto base. porque é exato e simples.
- Derivada em a. , .
- Linearização. . Equivalentemente: para pequeno.
- Avaliação. . Erro: , ou seja, 2,5% de erro.
Macete: a fórmula é extensamente usada em finanças para converter taxas compostas em taxas simples quando é pequeno.
- Ex. 57.7ApplicationAnswer key
Aproxime usando linearização de em .
Show solution
, . . . . Valor real: — erro de 1,6%. - Ex. 57.8Application
Aproxime usando linearização em .
Show solution
, . , . . Valor real: .Show step-by-step (with the why)
- Ponto base. porque é cubo perfeito exato.
- Derivada em a. , .
- Linearização. .
- Avaliação. .
Curiosidade: Newton usou este tipo de cálculo para computar raízes sem calculadora. O método era publicado no Arithmetica Universalis (1707).
- Ex. 57.9Application
Escreva a linearização de em . Esta linearização é idêntica à de em — por quê?
Show solution
, . , , . Linearização: . - Ex. 57.10Application
Escreva a linearização de em .
Show solution
, . , , . Linearização: . - Ex. 57.11ApplicationAnswer key
Escreva a linearização de em .
Show solution
, . . Regra do produto: . . Linearização: .Show step-by-step (with the why)
- Avalie f em a = 0. .
- Calcule f'(x) pela regra do produto. .
- Avalie f'(0). .
- Escreva L(x). .
Observação: mesmo sendo um produto complexo, a linearização é simples — perto de zero — porque ambos os fatores têm linearizações simples que se multiplicam como para pequeno.
- Ex. 57.12Application
Aproxime usando linearização em .
Show solution
, . , . . Valor real: . - Ex. 57.13Application
Calcule o diferencial para em , . Compare com a variação real .
Show solution
. . Em , : . Variação real: .Show step-by-step (with the why)
- Escreva o diferencial. . O diferencial é a derivada vezes a variação em x.
- Substitua os valores. , : .
- Confirme com a variação real. . Diferença: . Menos de 0,5%.
Macete: o diferencial é sempre uma forma de primeira ordem — ignora todos os termos de ordem 2 em . A diferença entre e é justamente esses termos de ordem superior.
- Ex. 57.14ApplicationAnswer key
Calcule o diferencial para em , .
Show solution
. . Em , : . Valor real: . - Ex. 57.15Application
Aproxime usando linearização de em . Use e .
Show solution
, (30°). . Diferença: rad. . Valor real: .Show step-by-step (with the why)
- Converta ângulos para radianos. , .
- Calcule x - a. rad.
- Derivada em a. .
- Linearização. .
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.
- Ex. 57.16ApplicationAnswer key
Aproxime usando linearização de em .
Show solution
, (60°). , . Diferença: . . - Ex. 57.17Application
Qual é a linearização de em ?
Show solution
, . , , . . Distrator B ignora o fator 1/2 da derivada. Distrator C erra o sinal. Distrator D esquece o valor em a = 0. - Ex. 57.18Application
Aproxime usando linearização em .
Show solution
, . , , . . - Ex. 57.19Application
Escreva a linearização de em .
Show solution
, . , . . - Ex. 57.20Application
Calcule o erro absoluto da linearização de em comparando com . Verifique que o erro está dentro da cota .
Show solution
Erro absoluto da linearização de : . Cota teórica: onde . Cota: . Erro real está dentro da cota. - Ex. 57.21Application
Execute uma iteração de Newton-Raphson para encontrar , partindo de .
Show solution
, . Com : . Valor real: .Show step-by-step (with the why)
- Reformule o problema. Encontrar equivale a resolver . Defina , .
- Aplique Newton-Raphson. .
- Avalie o erro. . Partimos de 0 e já temos 2 casas certas em 1 iteração.
Macete: a convergência é quadrática — na próxima iteração o erro seria , dando mais 2 casas decimais de graça.
- Ex. 57.22ApplicationAnswer key
Execute duas iterações de Newton-Raphson para resolver com .
Show solution
, . . . . Real: . - Ex. 57.23Modeling
A esfera tem raio cm. Estime o erro máximo no volume usando diferencial.
Show solution
. . Com , : cm³. Erro relativo: .Show step-by-step (with the why)
- Diferencial do volume. . Note que é a área da superfície da esfera — faz sentido geometricamente.
- Substitua os valores. cm, cm: cm³.
- Calcule o erro relativo. cm³. Erro relativo: .
Curiosidade: o erro relativo no volume é 3 vezes o erro relativo no raio — consequência direta de . Regra geral: para , erro relativo em é vezes erro relativo em .
- Ex. 57.24Modeling
O período de um pêndulo é . Se o comprimento tem erro relativo de , qual o erro relativo em ?
Show solution
. . Erro relativo em de 1% resulta em . Erro no período é metade do erro no comprimento.Show step-by-step (with the why)
- Escreva T como potência de L. . O expoente de é .
- Regra do erro relativo. Para , o erro relativo em é vezes o erro relativo em .
- Aplique. .
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.
- Ex. 57.25ModelingAnswer key
Para com erros independentes e , escreva a fórmula de propagação de erro para usando derivadas parciais.
Show solution
. , . , logo . A fórmula propaga os erros quadraticamente para erros independentes. - Ex. 57.26Modeling
A área de um círculo é com cm. Estime o erro máximo em pelo diferencial.
Show solution
. . Com , (pois ): cm². - Ex. 57.27UnderstandingAnswer key
Por que o erro da linearização é dito ? Qual teorema fundamenta isso?
Show solution
Pelo teorema de Taylor com resto de Lagrange: . 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)
- Escreva Taylor com resto. para algum entre e .
- Identifique o erro. . O termo é quadrático em .
- Interprete. Se diminui pela metade, o erro cai por fator 4. Se aumenta ao dobro, o erro quadruplica.
Macete: "2ª ordem" significa que o expoente de no erro é 2 — por isso a linearização é tão útil para distâncias pequenas mas falha para distâncias grandes.
- Ex. 57.28Understanding
Em que circunstância a linearização de em é especialmente imprecisa, mesmo para próximo de ? O que fazer nesses casos?
Show solution
Quando , a linearização é constante. O comportamento de perto de é dominado pela curvatura (), não pela inclinação. A linearização é inutilmente imprecisa nesses pontos — use Taylor de 2ª ordem: . - Ex. 57.29Understanding
Mostre que é a linearização de em . Para que valores de (em radianos) o erro é menor que 1%?
Show solution
, : . Linearização: . A aproximação tem erro menor que 1% para rad (cerca de 10°). A cota do erro é ; para 1% de , resolve , ou seja — mas o critério prático de engenharia é até 14°. - Ex. 57.30Understanding
Qual a relação entre (variação real) e (diferencial)?
Show solution
é a variação real. é a variação linear. A diferença tende a zero mais rápido que . 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 . - Ex. 57.31Understanding
Explique de onde vem a fórmula de Newton-Raphson em termos de linearização.
Show solution
Newton-Raphson: . Origem: zeramos a linearização de em . A reta tangente é ; zerando: . Cada iteração é uma linearização local cujo zero vira a próxima estimativa. - Ex. 57.32Understanding
Use linearização para aproximar .
Show solution
, . . . Valor exato: . - Ex. 57.33Understanding
O lado de um cubo é medido com erro relativo de . Qual o erro relativo no volume ?
Show solution
. . Erro relativo em : . O expoente 3 aparece como fator multiplicativo.Show step-by-step (with the why)
- Diferencial do volume. .
- Erro relativo. Divida por : .
- Substitua. .
Macete: para qualquer , o erro relativo em é vezes o erro relativo em . Isso é direto da regra da potência aplicada ao diferencial.
- Ex. 57.34Understanding
Escreva a linearização de em .
Show solution
, . , . . Esta é a aproximação binomial para expoente . - Ex. 57.35ChallengeAnswer key
Calcule o erro absoluto e relativo da linearização de em ao aproximar . O resultado é surpreendente? Explique.
Show solution
Linearização de em : . Valor real: . Erro absoluto: . Erro relativo: . É grande porque está longe de : a cota do erro é , muito maior que o erro efetivo mas não nulo.Show step-by-step (with the why)
- Calcule L(1). ; .
- Valor real. .
- Erro absoluto. .
- Erro relativo. . Grande: o ponto está longe de .
Observação: para melhorar para , use o ponto base e como alvo — ou use Taylor de grau maior.
- Ex. 57.36Challenge
Newton-Raphson falha quando . Explique geometricamente e dê um exemplo de função onde isso ocorre.
Show solution
Se , a reta tangente em é horizontal e nunca cruza o eixo . Newton-Raphson tenta dividir por : indefinido. Exemplo: com raiz em e . Newton oscila ou diverge nesse caso — a tangente horizontal não fornece informação direcional. - Ex. 57.37Challenge
Derive a cota de erro a partir do teorema de Taylor com resto de Lagrange.
Show solution
Do teorema de Taylor: . Logo onde . A cota é com . - Ex. 57.38ChallengeAnswer key
Volume do cilindro: . Com cm e cm, estime o erro máximo em pelo diferencial total.
Show solution
. Diferencial total: . Com , , , : cm³.Show step-by-step (with the why)
- Diferencial total. Para funções de duas variáveis: .
- Derivadas parciais. , .
- Substitua. cm³.
Macete: o diferencial total generaliza o diferencial unidimensional para funções de várias variáveis — cada variável contribui com sua derivada parcial vezes sua variação.
- Ex. 57.39ProofAnswer key
Demonstre que é o polinômio de Taylor de grau 1 de em , e que o erro é .
Show solution
Série de Taylor completa: . Truncando em : . A linearização é o polinômio de Taylor de grau 1. O erro tem termo dominante . - Ex. 57.40Proof
Demonstre que Newton-Raphson tem convergência quadrática: se é o erro na -ésima iteração e , então para alguma constante .
Show solution
Seja a raiz exata (), . Taylor em : . Iteração de Newton: . Expandindo e simplificando: . Logo com . 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.