Notas de Aula MAT130

Fazer download em pdf ou txt
Fazer download em pdf ou txt
Você está na página 1de 203

Universidade Federal de Minas Gerais

Instituto de Ciências Exatas  ICEx


Departamento de Matemática

Notas de Aula:

MAT130 - Matemática

Prof. Ricardo H. C. Takahashi

Outubro de 2021
Conteúdo

Prólogo 5
1 Funções 9
1.1 Introdução: modelos com variáveis contínuas . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Funções reais de uma variável real . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.1 Funções polinomiais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.2 Funções racionais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.3 Funções algébricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.2.4 Funções potência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2.5 Funções exponenciais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.2.6 Funções logaritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.2.7 Funções trigonométricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.3 Transformações de funções . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.3.1 Identicando as transformações em uma função . . . . . . . . . . . . . . . . . 39
1.4 Salvando grácos no SAGE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.5 Raízes de funções e resolução de equações . . . . . . . . . . . . . . . . . . . . . . . . 45
1.6 Interseção de grácos de funções . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
1.7 Síntese do capítulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
1.8 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

2 Limites 55
2.1 Limites para x nito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.1.1 Limites innitos para x nito . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.2 Limites no innito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.3 Propriedades de limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.4 Calculando limites com o sistema Sage . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.5 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

3 Derivadas 73
3.1 Taxa de variação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.1.1 Taxa de variação variável . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3.1.2 Interpretação da taxa de variação . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.1.3 Taxa de variação instantânea . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.2 Derivada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.2.1 Função derivada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

2
CONTEÚDO 3

3.3 Derivadas de funções elementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86


3.3.1 Função constante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.3.2 Função xn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.3.3 Função xa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3.3.4 Função exponencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.3.5 Função logaritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.3.6 Funções trigonométricas seno e cosseno . . . . . . . . . . . . . . . . . . . . . . 93
3.4 Propriedades de derivadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
3.4.1 Soma, subtração e multiplicação por constante . . . . . . . . . . . . . . . . . 95
3.4.2 Multiplicação de funções . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
3.4.3 Divisão de funções . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
3.4.4 Composição de funções . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3.4.5 Casos mais complicados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
3.5 Calculando derivadas com o sistema Sage . . . . . . . . . . . . . . . . . . . . . . . . 107
3.6 Crescimento e decrescimento de funções . . . . . . . . . . . . . . . . . . . . . . . . . 108
3.6.1 Crescimento e decrescimento de funções no Sage . . . . . . . . . . . . . . . . 110
3.7 Máximos e mínimos de funções . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
3.7.1 Determinação de máximos e mínimos com o Sage . . . . . . . . . . . . . . . . 115
3.8 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118

4 Integrais 125
4.1 Integral indenida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
4.1.1 Cálculo de integrais indenidas no Sage . . . . . . . . . . . . . . . . . . . . . 131
4.2 Integração por substituição . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
4.2.1 Dedução da regra de integração por substituição . . . . . . . . . . . . . . . . 132
4.2.2 Procedimento passo-a-passo para integração por substituição . . . . . . . . . 132
4.2.3 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
4.2.4 Exemplos no Sage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
4.3 Integração por partes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
4.3.1 Dedução da regra de integração por partes . . . . . . . . . . . . . . . . . . . . 137
4.3.2 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
4.4 Integral denida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
4.4.1 Integral denida em geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
4.4.2 Cálculo de integrais denidas no Sage . . . . . . . . . . . . . . . . . . . . . . 145
4.4.3 Área sob o gráco de funções negativas . . . . . . . . . . . . . . . . . . . . . . 146
4.4.4 Área entre grácos de funções . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
4.4.5 Área delimitada por grácos de funções . . . . . . . . . . . . . . . . . . . . . 148
4.5 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152

5 Equações Diferenciais 159


5.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
5.1.1 Exemplo de equação diferencial como modelo de um sistema real . . . . . . . 160
5.1.2 Por quê equações diferenciais são importantes? . . . . . . . . . . . . . . . . . 162
5.1.3 Soluções numéricas de equações diferenciais . . . . . . . . . . . . . . . . . . . 163
5.2 Terminologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
CONTEÚDO 4

5.3 Equações diferenciais separáveis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166


5.3.1 Algumas equações diferenciais separáveis importantes . . . . . . . . . . . . . 167
5.4 Resolvendo equações diferenciais com o Sage . . . . . . . . . . . . . . . . . . . . . . . 176
5.4.1 Soluções analíticas de equações diferenciais no Sage . . . . . . . . . . . . . . . 176
5.4.2 Soluções numéricas de equações diferenciais no Sage . . . . . . . . . . . . . . 179

6 Sistemas de Equações Diferenciais 182


6.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
6.2 Solução numérica de sistemas de equações diferenciais . . . . . . . . . . . . . . . . . 183
6.3 Modelo presa-predador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
6.3.1 Modicações no modelo presa-predador . . . . . . . . . . . . . . . . . . . . . 187
6.4 Modelo SIR de propagação de epidemias . . . . . . . . . . . . . . . . . . . . . . . . . 189
6.4.1 Modicando o modelo SIR: vacinação. . . . . . . . . . . . . . . . . . . . . . . 192
6.4.2 Outras variações do modelo SIR . . . . . . . . . . . . . . . . . . . . . . . . . 194
6.5 Difusão de fármacos no organismo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
6.5.1 Modicação: administração por via oral . . . . . . . . . . . . . . . . . . . . . 198
Prólogo

Estas Notas de Aula têm o objetivo de fazer uma apresentação das ideias que normalmente são
discutidas em disciplinas de Cálculo Diferencial e Integral e de Equações Diferenciais para um público
que, por um lado, não irá seguir uma trajetória de estudos tradicional dos cursos da área de Ciências
Exatas, que tipicamente requer mais de 300 horas de disciplinas relacionadas com essa temática. Por
outro lado, esse público testemunha uma crescente utilização de modelos analíticos quantitativos
em seus campos de conhecimento, nas Ciências da Vida ou ou nas Ciências Sociais Aplicadas.
Especicamente, este material encontra-se estruturado de maneira a privilegiar a apresentação de
exemplos e contextos de aplicação da área de Ciências Biológicas e da Saúde, visando ao atendimento
do público matriculado na disciplina de Matemática (MAT130) que é ofertada na UFMG para
os cursos de graduação em Ciências Biológicas, Farmácia e Aquacultura. Este texto pressupõe,
portanto, um leitor munido apenas do conhecimento padrão da matemática do ensino médio.
Com o objetivo de contribuir para que os estudantes dos cursos de graduação da UFMG dessas
áreas tenham acesso a uma compreensão mais aprofundada sobre a natureza das técnicas matemá-
ticas com que terão de lidar como usuários especialistas, este material foi preparado, visando:

ˆ Possibilitar a aquisição de uma compreensão qualitativa sobre os conceitos centrais do cálculo


integral e diferencial e da inter-relação entre esses conceitos;

ˆ Possibilitar a utilização instrumental desse conhecimento para a construção e análise de pe-


quenos modelos matemáticos do respectivo campo de aplicação.

A concepção desta disciplina somente torna-se possível neste momento devido à atual disponi-
bilidade de pacotes computacionais que permitem a execução automatizada de procedimentos de
manipulação simbólica de funções matemáticas. Sem isso não seria possível, com uma carga horária
reduzida, ensinar toda a parafernália de técnicas de manipulação de expressões matemáticas que se
fariam necessárias para a dedução da solução de cada problema, o que teria de preceder a análise
do signicado dessas soluções. Com o uso de um pacote computacional que realize a maior parte da
manipulação das expressões, torna-se possível concentrar a discussão na análise do signicado das
soluções.
Este material foi desenvolvido utilizando o pacote SageMath, que é um software livre, que pode
ser obtido gratuitamente para ser instalado em qualquer computador. Esse pacote pode ser obtido
no seguinte endereço:

https://www.sagemath.org/
Esse pacote também pode ser utilizado em uma versão on-line, que não requer a instalação. Essa
versão pode ser utilizada diretamente por meio de qualquer navegador de internet, sendo acessível
pelo endereço:

5
CONTEÚDO 6

https://sagecell.sagemath.org/

Se você for utilizar a versão on-line, o link acima irá levar a uma página que contém os elementos
mostrados na gura abaixo:

Para utilizar o pacote, basta inserir os comandos na janela de comandos, que encontra-se indicada
na gura. Quando os comandos estiverem inseridos, pressiona-se o botão Evaluate, e então o
SageMath executará os cálculos solicitados.
Ao longo do texto destas Notas de Aula, serão mostrados exemplos de código SageMath capaz
de executar operações relacionadas com o assunto que estiver sendo estudado. Esses exemplos terão
um formato parecido com o exemplo abaixo:

> f(x) = x3


> g(x) = 1/sin(x)
> h(x) = f(x) + g(x)
> H(x) = integral(h,x)
> show(H)

Esse pequeno exemplo mostra um código executável no SageMath, que realiza as seguintes
operações:

ˆ Na primeira linha, é denida a função f (x) = x3 ;

ˆ Na segunda linha, é denida a função g(x) = 1


sen(x)
;

ˆ Na terceira linha, as funções denidas anteriormente são utilizadas para denir uma nova
função h(x) = f (x) + g(x);
CONTEÚDO 7

ˆ Na quarta linha, o comando integral é chamado para realizar o cálculo da integral da função
h em relação à variável x. O resultado dessa operação é armazenado na função H(x) (ou seja,
a função H(x) é denida como a integral de h(x));

ˆ Por m, na quinta linha o comando show é chamado para fazer a exibição da expressão da
função H(x), anteriormente calculada.

Após o usuário digitar essa sequência de comandos na janela de comandos do Sage, este deve
pressionar o botão Evaluate  feito isso, o sistema SageMath irá executar os comandos, exibindo
a resposta.
Atenção: O símbolo '>' que aparece no início de cada linha tem a função apenas de indicar o
início de uma nova linha. Esse símbolo não deve ser colocado no código a ser executado no
SageMath. Quando esse símbolo não aparece no início de uma linha, isso signica apenas que o
conteúdo dessa linha é continuação da linha anterior, como pode ser visto no trecho a seguir:

> f(x) = sin(x)


> Graf = plot(f,-10,10,color='orange',linestyle='-.',gridlines='minor',frame=true,
legend_label='$f(x) = sen(x)$')
> Graf

Nesse exemplo, a segunda linha é muito extensa para poder aparecer em uma única linha neste texto
(essa limitação não existe no sistema SageMath em si, ela ocorre apenas quando tentamos escrever
o conteúdo da linha em um documento PDF como este). Essa linha é então apresentada em uma
linha que mostra o início do comando e outra linha que mostra sua continuidade. Podemos saber
que a linha que mostra o trecho legend_label='$f(x) = sen(x)$') é continuidade da anterior
porque no início dessa linha não aparece o símbolo '>'.
Recomenda-se ao estudante ler ao menos o primeiro capítulo do manual de referência do Sage-
Math, que também está postado no Moodle da disciplina. Ao longo do texto, diversos exemplos de
análises utilizando o sistema SageMath serão apresentados. Além disso, serão propostos trabalhos
a serem executados nesse sistema.

Algumas dicas sobre o uso do SageMath


Utilizando a versão instalada localmente
Se você optar por instalar o SageMath em seu computador, verá que logo após a instalação
aparecem três ícones para abrir o aplicativo, denominados:

ˆ SageMath X.X

ˆ SageMath X.X Shell

ˆ SageMath X.X Notebook

onde X.X signica o número da versão do SageMath. Recomenda-se utilizar o terceiro ícone, ou
seja, aquele denominado SageMath X.X Notebook, que abre uma interface mais amigável. Após
clicar nesse ícone, siga os seguintes passos:

1. Ao clicar nesse ícone, aparece inicialmente uma tela preta que serve apenas para inicializar o
sistema. Você não deve mexer nessa tela.
CONTEÚDO 8

2. Logo após a tela preta, será aberta uma aba no navegador de internet cujo título é Jupy-
ter. O sistema Jupyter serve para fornecer a interface para a execução de diversos pacotes
computacionais, incluindo o SageMath.

3. No canto superior direito da tela do Jupyter, aparece um botão denominado New. Você deve
pressionar esse botão, e escolher a opção SageMath, que irá aparecer junto com outras opções.

4. Feito isso, aparecerá a tela da interface com o SageMath. Basta utilizar o quadro que aparece
para escrever os comandos do Sage.

5. Caso você queira que apareçam mais blocos para poder dividir o código SageMath em diversos
pedaços, basta pressionar o menu Insert, e escolher a opção Insert Cell Below.

Algumas dicas úteis

ˆ Em alguns computadores, o símbolo de acento circunexo, que é utilizado no Sage para indicar
a operação de exponenciação, é codicado de maneira diferente da usual. Isso faz com que esse
símbolo não sirva para signicar a operação de elevar uma base a uma potência. Felizmente
há uma outra forma de indicar a exponenciação: basta utilizar dois símbolos de asterisco
seguidos. Assim, por exemplo, 2**3 signica o mesmo que 23, ou seja, dois elevado ao cubo.

ˆ As constantes matemáticas π ≈ 3.14159... e e ≈ 2.71828... são pré-denidas no SageMath.


Assim, o comando: y = 3*pi faz a atribuição do valor 3π à variável y , e o comando z = e2
faz a atribuição do
2
valor e à variável z .

ˆ O SageMath armazena preferencialmente as expressões exatas referentes a valores, sempre que


estas estejam disponíveis. Assim, por exemplo, se você escrever:
√ x = sqrt(2), e então der
um comando print(x), o resultado mostrado será: 2. Se você quiser ver o valor numérico
correspondente a essa expressão, utilize o comando: print(N(sqrt(2))). Esse comando fará
com que seja mostrado o resultado 1.4142.... Em geral, sempre que você quiser ver o valor
numérico de uma expressão E qualquer, utilize o comando N(E). O mesmo efeito é obtido com
o comando n(E).
Capítulo 1

Funções

1.1 Introdução: modelos com variáveis contínuas


Neste texto, iremos estudar funções reais de uma variável real. Essas funções são particularmente
importantes quando se trata de construir representações de fenômenos da realidade. O mundo físico
à nossa volta é estruturado predominantemente em termos de grandezas que percebemos como
contínuas. Por exemplo, percebemos as distâncias, as áreas e os volumes como contínuos, o que
nos faz representar essas grandezas por meio de números reais, que são os números adequados para
representar o contínuo. Outras grandezas que representam diferentes aspectos da realidade também
são contínuas, tais como: pressões, temperaturas, massas, velocidades. Podemos prosseguir citando
outras grandezas representadas por números reais, tais como o ph de uma solução, a intensidade
luminosa, a umidade relativa do ar, a potência de um motor, e muitas outras .
1 Uma grandeza
em especial é bastante importante em grande parte das ocasiões em que analisamos fenômenos da
realidade: o tempo  e essa grandeza também é percebida por nós como contínua. Deve car claro
então que, quando pretendemos analisar o mundo real, é de grande importância construir modelos
capazes de relacionar variáveis reais com outras variáveis reais  esses são os chamados modelos
contínuos.
As técnicas do cálculo diferencial e integral foram desenvolvidas para analisar funções desse
tipo (ou suas generalizações, as funções reais de várias variáveis reais). Devido ao sucesso dessas
técnicas, a matemática das funções contínuas passou a ser utilizada também para analisar fenôme-
nos relacionados a grandezas que, vistas em escala macroscópica, não são contínuas. Exemplos de
situações assim surgem, por exemplo, quando tentamos analisar fenômenos relacionados com popu-
lações. Variáveis tais como o número de indivíduos infectados por determinado vírus são de interesse
quando elaboramos modelos para estudar a progagação de epidemias. Já o número de indivíduos
de cada espécie é a grandeza relevante quando estudamos a interação entre espécies diferentes. O
ponto importante nesses dois exemplos é: um número que representa uma contagem de indivíduos
é sempre um número inteiro, e nunca um número fracionário. Apesar disso, para aproveitar o
ferramental matemático que temos disponível para a análise de funções contínuas, frequentemente
fazemos aproximações considerando populações como se pudessem ser representadas por números

1
É importante lembrar que, a rigor, essa nossa percepção de um mundo contínuo pode não corresponder à
realidade em um nível microscópico. Por exemplo: a matéria é constituída de átomos, e não por uma substância
que seria contínua em qualquer escala em que fosse observada. Apesar disso, a representação contínua das grandezas
físicas permite a obtenção de modelos que são sucientemente precisos para a maior parte das nalidades práticas.

9
CAPÍTULO 1. FUNÇÕES 10

reais  o que nos permite obter resultados analíticos que seriam muito difíceis de obter se zéssemos
análises considerando as variáveis como números inteiros.
Algo semelhante, porém diferente, acontece quando analisamos fenômenos relacionados a -
nanças. Deve-se notar que, para qualquer nalidade prática, uma grandeza monetária pode ser
considerada contínua, ainda que nós saibamos que não há fracionamento de valores monetários em
quantidades menores que um centavo. Aproximar grandezas monetárias por números contínuos,
em certo sentido, é parecido com aproximar uma massa por um número contínuo mesmo sabendo
que a matéria é constituída de átomos: o erro resultante dessa aproximação normalmente é comple-
tamente desprezível, para ns práticos. No entanto, no caso dos fenômenos nanceiros, o temponão
pode ser adequadamente considerado como contínuo. A aplicação de taxas de juros, por exemplo,
ocorre sempre de um dia para o outro, e nunca de segundo a segundo. Pois bem: mesmo havendo,
no caso da variável tempo, uma imprecisão relevante, ainda assim é muito frequente a construção
de modelos considerando o tempo como se este fosse uma variável contínua.
Em síntese, as funções reais de variáveis reais foram primeiramente desenvolvidas para repre-
sentar grandezas do mundo físico que aparentavam ser contínuas. Com o passar do tempo, foram
sendo descobertas diversas situações em que a aplicação dessas funções sobre variáveis não contínuas
permitia a construção de modelos interessantes, capazes de produzir informações relevantes sobre a
estrutura de funcionamento dos sistemas reais que estavam sendo modelados. Por essa via, foram
construídas muitas das aplicações dessas funções, bem como das técnicas do cálculo diferencial e
integral, a sistemas provenientes das ciências biológicas e da vida e das ciências sociais aplicadas.
Esta disciplina é dirigido principalmente para estudantes de cursos dessas áreas de conhecimento.

1.2 Funções reais de uma variável real


As funções reais de uma variável real são representadas por expressões parecidas com:

y = f (x) (1.1)

sendo xey dois números reais, o que é representado pela notação: x ∈ R e y ∈ R. A expressão (1.1)
signica que se escolhermos um número real x e zermos uma conta representada pela operação
f (·) sobre esse número, obteremos um outro número real y que corresponde à aplicação da função
f sobre x. Por exemplo, consideremos a função f (x) descrita pela expressão:

x2 + 1
f (x) =
x
Essa expressão está dizendo que a função f, neste caso, corresponde à realização das seguintes
operações sobre um número x:
1. elevar o número x ao quadrado;

2. somar 1 ao resultado;

3. dividir o resultado do passo anterior por x.


O número resultante dessa sequência de passos é o valor da função para aquele valor de x. Via de
regra, as funções reais de uma variável real correspondem a variações em torno desse esquema. O
que muda de uma função para outra é a conta que é realizada.
CAPÍTULO 1. FUNÇÕES 11

Embora evidentemente possam existir innitas formas de denir operações que possam ser reali-
zadas sobre números reais, nós iremos estudar aqui apenas um pequeno número destas. Estudaremos
as funções dos seguintes tipos:

ˆ polinomial

ˆ racional

ˆ algébrica

ˆ potência

ˆ exponencial

ˆ logarítmica

ˆ trigonométrica (seno, cosseno, tangente)

A maior parte da matemática das funções contínuas é construída utilizando apenas esse pequeno
número de funções e suas combinações. Para se construir as técnicas matemáticas adequadas para
tratar a maior parte das aplicações, não se fazem necessárias funções de tipos extravagantes que não
estão incluídas nessa lista. A seguir, apresentaremos uma breve explanação sobre como são feitas
as contas que denem cada uma das funções dessa lista.

1.2.1 Funções polinomiais


As funções polinomiais são as de construção mais simples, pois podem ser obtidas com a aplicação,
sobre a variável x, de três operações aritméticas básicas: soma, subtração e produto. Assim, por
exemplo, a função polinomial f (x) dada por

f (x) = x3 − 7x + 1
corresponde a multiplicarx vezes x vezes x (ou seja, obtendo x3 ), a seguir subtrair disso o resultado
da multiplicação de 7 vezes x, e então somar 1. Todo polinômio pode ser construído com base
apenas nessas três operações. Em geral, um polinômio f (x) de grau n é dado por:

f (x) = an xn + an−1 xn−1 + an−2 xn−2 + . . . + a1 x + a0 (1.2)

As guras 1.1, 1.2 e 1.3 mostram os grácos de funções polinomiais de graus 1, 2 e 3, respecti-
vamente.
Os grácos mostrados nas guras 1.1, 1.2 e 1.3 podem ser traçados no sistema Sage. No caso
da gura 1.1, os comandos são os seguintes:

> f(x) = 2*x + 1


> plot(f,-2,2)

A primeira linha faz a denição da função f (x) como sendo o primeiro polinômio, no caso:
f (x) = 2x + 1. A segunda linha faz o traçado do gráco de f (x) no intervalo −2 ≤ x ≤ 2.
No caso da gura 1.2, deve-se mudar a primeira linha, assim denindo f (x) como sendo o
segundo polinômio, f (x) = x2+ x − 2, e mudar a segunda linha de forma a que o gráco seja
traçado no intervalo −3 ≤ x ≤ 3:
CAPÍTULO 1. FUNÇÕES 12

f(x) = 2x + 1 4

-2 -1 1 2

-2

Figura 1.1: Função polinomial de primeiro grau.

10

f(x) = x 2 + x − 2
6

-3 -2 -1 1 2 3

-2

Figura 1.2: Função polinomial de segundo grau.


CAPÍTULO 1. FUNÇÕES 13

30

f(x) = x 3 − x 2 − 4 ∗ x + 4
20

10

-3 -2 -1 1 2 3 4

-10

-20

Figura 1.3: Função polinomial de terceiro grau.

> f(x) = x2 + x - 2


> plot(f,-3,3)

O estudante é convidado a tentar reproduzir o gráco da gura 1.3.

Domínio das funções polinomiais


É fácil perceber que, no caso de uma função f (x) que seja polinomial, é sempre possível calcular
o valor da função para qualquer valor da variável x. Dito de outra forma, o domínio de todas as
funções polinomiais é todo o conjunto dos números reais, ou seja, esse domínio é o conjunto:

−∞ < x < ∞

1.2.2 Funções racionais


Nós chamamos de funções racionais as funções obtidas dividindo-se um polinômio por outro polinô-
mio:
N (x)
f (x) =
D(x)
onde N (x) e D(x) são dois polinômios. Seguindo o formato da expressão de polinômios, também
podemos escrever:

an xn + an−1 xn−1 + an−2 xn−2 + . . . + a1 x + a0


f (x) =
bm xm + bm−1 xm−1 + bm−2 xm−2 + . . . + b1 x + b0
CAPÍTULO 1. FUNÇÕES 14

f(x) = x 2x−2 +x +3 1 0.8

0.6

0.4

-15 -10 -5 0 5 10 15 20

Figura 1.4: Função racional.

sendo n e m dois inteiros que representam os graus dos polinômios do numerador e do denominador,
respectivamente.
A gura 1.4 mostra o gráco da função racional dada por:

x2 − x + 1
f (x) =
x2 + 3
Um gráco bastante diferente ocorre para a função racional dada por:

x2 − x + 1
f (x) =
x2 − 3
O gráco dessa função é mostrado na gura 1.5. Nessa gura, para dois valores de x, o gráco
parece crescer de maneira ilimitada. A causa disto é que o polinômio do denominador (x2 − 3)
agora possui duas raízes (ou seja, dois valores para os quais esse polinômio ca igual a zero), iguais
√ √
a x= 3 e x = − 3. O fenômeno, portanto, é causado por essa divisão por zero, fazendo com
que a função (e portanto também o gráco) não seja denida para esses valores de x. Mais adiante,
na seção sobre limites, discutiremos o que acontece com essa função quando x se aproxima desses
valores, sem car igual a eles.
O gráco da gura 1.5 tem uma característica diferente dos grácos traçados anteriormente:
nos valores de x em que ocorreria uma divisão por zero na função, encontram-se traçadas linhas
tracejadas verticais, que indicam exatamente isso: para esses valores de x, a função não pode ser
calculada. Esses valores de x que causariam uma divisão por zero são chamados de polos da função.
Para traçar um gráco como o da gura 1.5, o comando plot é chamado de uma maneira um pouco
diferente no sistema Sage:
CAPÍTULO 1. FUNÇÕES 15

f(x) = x 2x−2 −x +3 1 4

-15 -10 -5 5 10 15 20

-2

-4

Figura 1.5: Função racional com descontinuidades.

> f(x) = (x2 - x + 1)/(x2 - 3)


> plot(f,-15,20,ymin=-5,ymax=5,detect_poles='show')

Agora aparecem dois tipos de diretivas diferentes na chamada da função plot: as diretivas
ymin=-5 e ymax=5 fazem com que a janela do plano cartesiano mostrada no gráco abranja apenas
o intervalo −5 ≤ y ≤ 5. Caso não fossem utilizadas essas diretivas, a escala mostrada no gráco
poderia ser da ordem de alguns milhões, uma vez que a função cresce arbitrariamente quando x
se aproxima dos polos. Já a diretiva detect_poles='show' faz com que sejam traçadas as retas
verticais tracejadas nos valores de x correspondentes aos polos  o que auxilia a interpretação do
gráco.

Domínio das funções racionais


No caso das funções racionais, é possível que existam alguns valores de x para os quais o valor de
f (x) não possa ser calculado. Esses valores, caso existam, correspondem aos valores que fazem com
que o denominador da função racional que igual a zero, ou seja, são excluídos do domínio os valores
de x que causariam uma divisão por zero no cálculo da função.
Um exemplo de função racional para a qual esse problema de divisão por zero não ocorre é

x2 − x + 1
f (x) =
x2 + 3
No caso dessa função, o seu domínio corresponde a todo o conjunto dos números reais:

−∞ < x < ∞
CAPÍTULO 1. FUNÇÕES 16

Um exemplo de função racional que não pode ser calculada para alguns valores de x é:

x2 − x + 1
f (x) =
x2 − 3
√ √
Agora, é claro que quando x = 3 e quando x = − 3 o denominador da função ca igual a zero. A
função então não pode ser calculada, pois ocorreria uma divisão por zero. O domínio desta função
é, então: n √ √ o
x 6= − 3, 3
Essa expressão quer dizer que a função
√ √ f (x) pode ser calculada para qualquer valor de x diferente
de − 3 e 3.

1.2.3 Funções algébricas


As chamadas funções algébricas são construídas pela aplicação das operações algébricas:

ˆ soma / subtração;

ˆ multiplicação / divisão;

ˆ potenciação / radiciação

sobre polinômios. As formas dessas funções podem ser muito variadas; por esse motivo não é fácil
escrever uma expressão geral das funções algébricas do tipo que nós escrevemos para as funções
polinomiais e para as funções racionais.
Um exemplo de função algébrica é dado por:
p
f (x) = x2 + 1
O gráco dessa função é mostrado na gura 1.6. Nessa gura também é mostrado, em linhas
tracejadas, o gráco da função g(x) = |x|. Pode-se notar que, à medida em que os valores de x
se dirigem para +∞ e para −∞, esses dois grácos se aproximam. O leitor curioso poderá tentar
encontrar uma explicação para esse comportamento desses grácos. Outro exemplo de função
algébrica é a seguinte função:

x4 − 16x2 √
f (x) = √ + (x − 2) 3 x + 1
x+ x+1
O gráco dessa função é mostrado na gura 1.7. Desta vez, um aspecto importante do gráco é que

ele só existe para x ≥ 0. Isso ocorre porque a função contém um termo x, que não se encontra
denido para x < 0.
O trecho de código a seguir pode ser utilizado para produzir o gráco da gura 1.7:

> f(x) = (x4 - 16*x2)/(x + x(1/2) + 1) + (x - 2)*(x+1)(1/3)


> plot(f,0,5)

1 1
Deve-se notar que o termo x2 é o mesmo que a raiz quadrada de x, e o termo (x + 1) 3 representa
a raiz cúbica de (x + 1). Para representar a raiz quadrada, também seria possível também usar o
comando sqrt (o nome desse comando vem das palavras em inglês: square root). Nesse caso, o
código caria assim:
CAPÍTULO 1. FUNÇÕES 17

5
p
f(x) = x 2 + 1
4

-4 -2 2 4

Figura 1.6: Função algébrica. Este gráco também mostra a função |x|, em linhas tracejadas.

30
p
f(x) = xx+4 − 16x +x 21 + (x − 2)3 x + 1
p

20

10

1 2 3 4 5

-10

Figura 1.7: Função algébrica. Este gráco só existe para valores de x maiores ou iguais a zero,

devido à presença de um termo x que não existe para valores negativos de x.
CAPÍTULO 1. FUNÇÕES 18

> f(x) = (x4 - 16*x2)/(x + sqrt(x) + 1) + (x - 2)*(x+1)(1/3)


> plot(f,0,5)

Para a raiz cúbica, assim como para quaisquer outras raízes de ordem diferente de dois, não existe
um comando como o sqrt, sendo necessário utilizar a notação de potência fracionária.

Domínio das funções algébricas


No caso das funções algébricas, podem ocorrer as seguintes situações nas quais é impossível calcular
o valor da função:

ˆ Quando uma expressão que se encontra no denominador de uma divisão ca igual a zero;

ˆ Quando uma expressão cuja raiz se tenta extrair ca negativa;

ˆ Há casos mais gerais da situação anterior: não se pode extrair raiz de ordem par (ou seja, raiz
quarta, raiz sexta, etc) de número negativo.

Um exemplo de situação que se enquadra nos dois primeiros casos é a seguinte função:

1
f (x) = √
1− x

No caso desta função, o denominador 1− x ca igual a zero quando x = 1; portanto x não pode
assumir esse valor. Além disso, x não pode car negativo, pois não se pode tirar a raiz quadrada
de um número negativo. Dessa forma, o domínio dessa função é o seguinte conjunto:

x ≥ 0 ; x 6= 1

1.2.4 Funções potência


Como vimos, as funções polinomiais contêm termos do tipo xn (x elevado à potência n), sendo n
um número inteiro. A chamada função potência é uma generalização dessa ideia, obtida quando
permitimos que a potência seja um número real qualquer, não necessariamente inteiro. A função
potência é escrita da seguinte forma:
f (x) = xa
Quê signica isso? Vamos formar nossa compreensão por etapas:

ˆ Quando a = n, ou seja, quando a é um número inteiro positivo, a compreensão que temos de


potência irá valer normalmente. A denição de função potência, nesse caso, tem de coincidir
com o conceito que era válido quando só tínhamos potências inteiras positivas. Ou seja:

xn = x
| · x ·{zx · · · x}
n vezes

Neste caso, ca fácil notar que, para dois números inteiros n e m, tem de valer:

xn · xm = |x · x ·{zx · · · x} · |x · x ·{zx · · · x} = xn+m (1.3)


n vezes m vezes
a
Para denir o signicado de x quando a não é um número inteiro positivo, foi inventada
uma denição que mantém válida essa relação, e que é explicada a seguir.
CAPÍTULO 1. FUNÇÕES 19

ˆ Para interpretar o que signica a função potência quando a = 1


n mantendo a validade da
relação xn · xm = xn+m , notamos que a seguinte expressão tem de ser válida:

1 1 1 1 1 1 1 1
n n x n · · · x n} = x( n + n + n +...+ n )
|x · x ·{z
n vezes

É fácil ver que:


1 1 1 1
+ + + ... + = 1
|n n n{z n}
n vezes
Então:
1 1 1 1
x n n x n · · · x n} = x1 = x
| · x ·{z
n vezes
Observamos então que:
1 1 1 1
 1 n
x n · xn · xn · · · xn = xn
| {z }
n vezes
Considerando em conjunto as duas últimas expressões, obtemos então:
 1
n
xn =x

1
Essa expressão nos diz que xn é um número que, elevado à potência n, resulta em x, ou seja:
1
x n é a n-ésima raiz de x: √
1
n
xn = x
p
ˆ A seguir, vamos procurar qual deve ser o signicado da expressão x q , sendo p e q dois números
inteiros positivos. Observamos que a expressão a seguir é verdadeira:


 
1
1 1 1 1 + 1q + 1q +...+ 1q p
q
|x · x ·{zx · · · x } = x
q q q q q
= xq = xp
p vezes

p
Podemos então interpretar x q como sendo um número obtido da seguinte forma: (i) tiramos
1 p
a q -ésima raiz de x, obtendo x q ; (ii) a seguir, elevamos o resultado a p, obtendo x q . Desta
a
forma, descobrimos o que signica x quando a é um número racional positivo, lembrando
que os números racionais são os números reais que podem ser escritos na forma de frações,
com numerador e denominador inteiros.

ˆ Consideremos agora a expressão xa na situação em que a é um número real irracional, ou seja,


um número que não pode ser escrito como uma divisão de dois números inteiros. O caminho
para descobrir o que agora signica xa é observar que todo número irracional a sempre estará
localizado, na reta real, entre dois números racionais r1 e r2 próximos a ele:

r1 < a < r2

Nós já descobrimos, no passo anterior, como calcular xr1 e xr2 . Escolhemos, para fazer a
conta, dois números r1 e r2 que, permanecendo respectivamente menor e maior que a, devem
estar muitíssimo próximos de a. Isso fará com que x r1 e x r2 quem muito próximos entre si.
CAPÍTULO 1. FUNÇÕES 20

Notando que podemos escolher números r1 e r2 tão próximos quanto se queira, a diferença
r
entre x 1 ex cará tão próxima de zero quanto quisermos. O valor de xa é esse número do
r 2

r r
qual tanto x 1 quanto x 2 estão se aproximando.

Conceitualmente, essa denição de xa se baseia na noção de limite, que iremos discutir de


maneira sucinta em outra parte deste texto. A ideia importante é que existe um número bem
denido, igual a xa , do qual tanto xr1 quanto xr2 se aproximam quando fazemos r1 e r2 se
aproximarem, por baixo e por cima, do valor de a.

ˆ Só falta agora denir o que acontece com a expressão xa quando a é um número negativo.
Tomamos a mesma expressão x
n · xm = xn+m utilizada anteriormente, e notamos que ela
implica o seguinte:
xa · x−a = x(a−a) = x0 = 1
Então obtemos:
1
x−a =
xa
Ou seja, x elevado a um número negativo é o mesmo que um sobre x elevado ao mesmo número
com sinal positivo.

Com essas etapas, nós denimos completamente o que signica a função potência

f (x) = xa

quando a potência a é qualquer número real.


Deve-se observar que não existe solução, nos números reais, para o problema de se tirar raiz
quadrada (ou qualquer n-ésima raiz para n par) de um número negativo. Por esse motivo, normal-
mente denimos a função potência xa apenas para valores de x maiores ou iguais a zero quando a
não é um número inteiro. A gura 1.8 mostra a superposição das seguintes funções potência, para
valores positivos do expoente a:
3 5
f1 (x) = x f2 (x) = x 2 f3 (x) = x2 f4 (x) = x 2 f5 (x) = x3

Essa gura mostra apenas valores positivos de x, uma vez que as funções potências com expoentes
não inteiros podem car não denidas para x < 0.
A gura 1.9 mostra a superposição das seguintes funções potência, para valores negativos do
expoente a:
3 5
f1 (x) = x−1 f2 (x) = x− 2 f3 (x) = x−2 f4 (x) = x− 2 f5 (x) = x−3

Essa gura mostra apenas valores positivos de x, e se inicia em x = 0.5 e não em x = 0 porque
todas essas funções não estão denidas para x = 0. (Perguntamos ao leitor: porquê as funções não
estão denidas em x = 0?)
As guras 1.8 e 1.9 são as primeiras, neste capítulo, que apresentam os grácos de várias funções
superpostos em uma mesma gura. Para exemplicar como se faz isso no Sage, os comandos para
o traçado da gura 1.8 são mostrados a seguir:
CAPÍTULO 1. FUNÇÕES 21

x 1.5
x2
3 xx 2.5
x3

2.5

1.5

0.5

0.2 0.4 0.6 0.8 1 1.2 1.4

Figura 1.8: Função potência. Superposição das funções potência f (x) = xa , para a = 1, a = 1.5,
a = 2, a = 2.5 e a = 3.

8
x −−11.5
x −2
x −2.5
x −3
x

0
0.6 0.8 1 1.2 1.4 1.6 1.8 2

Figura 1.9: Função potência. Superposição das funções potência f (x) = xa , para a = −1, a = −1.5,
a = −2, a = −2.5 e a = −3.
CAPÍTULO 1. FUNÇÕES 22

> f1(x) = x
> f2(x) = x1.5
> f3(x) = x2
> f4(x) = x2.5
> f5(x) = x3
> P1 = plot(f1,0,1.5,color='blue')
> P2 = plot(f2,0,1.5,color='orange')
> P3 = plot(f3,0,1.5,color='magenta')
> P4 = plot(f4,0,1.5,color='red')
> P5 = plot(f5,0,1.5,color='green')
> P1 + P2 + P3 + P4 + P5

As cinco primeiras linhas denem as cinco funções cujos grácos devem ser traçados. Nas cinco
linhas seguintes, o traçado do gráco de cada uma dessas funções no intervalo 0 ≤ x ≤ 1.5 é
processado, e então armazenado nas variáveis computacionais P1, P2, P3, P4 e P5. Quando se faz o
armazenamento do traçado de um gráco em uma variável computacional, o gráco não é mostrado
imediatamente, ele apenas ca guardado nessa variável. Deve-se notar que cada comando plot, neste
caso, especica uma cor diferente para o gráco a ser traçado, o que irá facilitar identicação de
cada gráco. Para fazer isso, é utilizada a diretiva color='nome_de_cor'. No código acima, foram
utilizadas as cores azul (blue), laranja (orange), magenta (magenta), vermelha (red) e verde (green).
Finalmente, na última linha, é chamada a execução da soma das variáveis nas quais encontram-se
armazenados os cinco grácos; isso faz com que os cinco grácos sejam traçados todos juntos, em
uma mesma gura.

Domínio das funções potência


Não iremos, neste texto, examinar toda a variedade de situações que podem ocorrer quando se estuda
o domínio de uma função potência. Vamos apenas falar de três casos nos quais a identicação do
domínio é fácil:

ˆ Quando o expoente é inteiro positivo, o domínio corresponde a todo o conjunto dos números
reais. Exemplo: f (x) = x4 .
ˆ Quando o expoente é inteiro negativo, o domínio corresponde a todo o conjunto dos reais,
excluindo-se x = 0. Exemplo: f (x) = x−3 .
ˆ Quando o expoente é um número racional positivo com denominador par, o domínio corres-
ponde ao conjunto x ≥ 0. Exemplo: f (x) = x1/4 .

1.2.5 Funções exponenciais


Ao tratar da função potência, nós zemos todo um esforço para denir o que signica a expressão
wz , sendo w e z dois números reais. A função potência aparece quando denimos que w, ou seja,
a base da operação de potenciação, é uma variável, enquanto z, o expoente da potenciação, é um
número real xo. Nós podemos, claro, fazer o contrário: denir a base como sendo xa e o expoente
como sendo uma variável. Assim obtemos uma função exponencial:

f (x) = ax
CAPÍTULO 1. FUNÇÕES 23

1.x5 x
2 x
2.x5 8
3

-2 -1 1 2

Figura 1.10: Funções exponenciais. Superposição das funções exponenciais f (x) = ax , para a = 1.5,
a = 2, a = 2.5 e a = 3.

sendo a um número real positivo. A gura 1.10 mostra a superposição dos grácos das funções
exponenciais para os seguintes valores da base: a = 1.5, a = 2, a = 2.5, a = 3. Pergunta-se ao
leitor: como seria o gráco da função quando a = 1? Já a gura 1.11 mostra a superposição dos
grácos das funções exponenciais para os seguintes valores da base: a = 0.7, a = 0.5, a = 0.3.
Pergunta-se ao leitor: por quê os grácos das funções exponenciais são decrescentes quando a < 1?
O trecho de código a seguir pode ser utilizado para traçar os grácos mostrados na gura 1.10:

> f1(x) = 1.5x


> f2(x) = 2x
> f3(x) = 2.5x
> f4(x) = 3x
> C1 = plot(f1,x,-2,2,color='blue')
> C2 = plot(f2,x,-2,2,color='orange')
> C3 = plot(f3,x,-2,2,color='magenta')
> C4 = plot(f4,x,-2,2,color='red')
> C1 + C2 + C3 + C4

Diferentes funções exponenciais são obtidas para diferentes valores da base a. Há um valor em
especial, o número e ≈ 2.71828, que é utilizado com muito maior frequência que outros valores de
base. Assim, embora existam muitas funções exponenciais com diferentes valores de base, quando
se menciona a função exponencial, sem se especicar um valor de base, deve-se entender a função
exponencial com base e, ou seja:
f (x) = ex = exp(x)
CAPÍTULO 1. FUNÇÕES 24

0.7 xx
0.5 x
10 0.3

-2 -1 1 2

Figura 1.11: Funções exponenciais. Superposição das funções exponenciais f (x) = ax , para a = 0.7,
a = 0.5, a = 0.3.

O gráco da função exponencial é mostrado na gura 1.12.


Assim como no caso da raiz quadrada, a função exponencial também pode ser representada, no
SageMath, de duas formas diferentes. Uma forma é utilizando a notação de potenciação:

> f(x) = ex

A outra forma é utilizando o comando exp:

> f(x) = exp(x)

Ambas as formas são equivalentes, não faz diferença utilizar uma ou outra.
O leitor deve procurar observar a denição de funções exponenciais e compreender as seguintes
propriedades dessas funções:

ˆ Uma função exponencial, qualquer que seja sua base (lembrando que a base é sempre positiva),
sempre fornecerá um resultado estritamente positivo (maior que zero). Dizendo de outra
forma, uma função exponencial nunca retornará nem um resultado negativo nem um resultado
igual a zero, para nenhum valor de x.

ˆ A relação f (0) = 1 é válida para todas as funções exponenciais f (x) = ax . Ou seja, a0 = 1,


qualquer que seja o valor de a, para a > 0.

ˆ As funções exponenciais f (x) = ax com base a > 1 serão todas crescentes, ou seja, sempre
que x cresce, o valor de f (x) também cresce.
CAPÍTULO 1. FUNÇÕES 25

-2 -1 1 2

Figura 1.12: Função exponencial: f (x) = exp(x)

ˆ As funções exponenciais f (x) = ax com base a < 1 serão todas decrescentes, ou seja, sempre
que x cresce, o valor de f (x) deve decrescer.

Domínio das funções exponenciais


As funções exponenciais com base a positiva sempre podem ser calculadas para qualquer valor de
x, ou seja, seu domínio corresponde ao conjunto:

−∞ < x < ∞

1.2.6 Funções logaritmo


As funções logaritmo são denidas como funções inversas das funções exponenciais. Para explicar
o que isso signica, vamos retomar a denição de função exponencial:

f (x) = ax

sendo a um número real positivo. Nós vamos agora falar de uma função g(x), que ainda não sabemos
qual é, que é a inversa de f (x), o que signica que:

f (g(x)) = x e g(f (x)) = x

A essa função g(x) damos o nome de logaritmo na base a:

g(x) = loga (x)


CAPÍTULO 1. FUNÇÕES 26

Para conseguirmos compreender o que signica essa função, vamos falar do logaritmo na base 10,
que normalmente é estudado no ensino médio. Por exemplo, temos que:

log10 (0.01) = −2 ↔ 10−2 = 0.01

log10 (0.1) = −1 ↔ 10−1 = 0.1

log10 (1) = 0 ↔ 100 = 1

log10 (10) = 1 ↔ 101 = 10

log10 (100) = 2 ↔ 102 = 100

log10 (1000) = 3 ↔ 103 = 1000

O logaritmo na base 10 de um número x, portanto, é o número ao qual deve-se elevar a base, ou


seja, 10, para que se obtenha como resultado o número x. Em geral:

log10 (a) = b ↔ 10b = a

É claro que x pode ser qualquer número real positivo: se tomamos por exemplo x = 3.5, obtemos
a relação:
log10 (3.5) ≈ 0.544068 ↔ 100.544068 ≈ 3.5
Deve car claro para o leitor que x só pode assumir valores positivos, uma vez que sempre que
elevarmos 10 a qualquer número, o resultado sempre será positivo. A gura 1.13 mostra o gráco
da função g(x) = log10 (x).
Assim como, dentre as funções exponenciais, existe uma função exponencial que é especialmente
útil no contexto de cálculo, que é a função exponencial com base e, também dentre as funções
logaritmo nós temos a função logaritmo com base e (também conhecida como logaritmo neperiano)
que é particularmente adequada para manipulações de cálculo. Essa função logaritmo recebe uma
notação diferente das demais:
loge (x) = log(x) = ln(x)
Ou seja, podemos representar o logaritmo de base e pela notação ln(x), que deixa mais claro que
esta função se trata do logaritmo neperiano, ou podemos simplesmente representar a função como
log(x), sem dizer explicitamente qual é a base do logaritmo. Nesse caso, ca implícito que a base é
o número e. É claro que, para esta função, temos que:

loge (a) = b ↔ eb = a

A gura 1.14 mostra o gráco da função g(x) = ln(x).


O leitor deve car atento para algumas características das funções logaritmo:

ˆ Quando a base a é tal que a > 1, a função logaritmo será sempre crescente, ou seja, sempre
que x cresce a função loga (x) também cresce.

ˆ Toda função loga (x) é igual a zero para x = 1. Convidamos o leitor a explicar a razão disso.
CAPÍTULO 1. FUNÇÕES 27

g(x) = log 10 (x)

0.5

2 4 6 8 10

-0.5

-1

Figura 1.13: Função logaritmo base 10: g(x) = log10 (x)

ˆ Quando a base a é tal que a > 1, a função logaritmo será negativa para valores de x no intervalo
0 < x < 1, e positiva para valores de x no intervalo x > 1. Também aqui, convidamos o leitor
a encontrar uma explicação para isso.

ˆ Nenhuma função logaritmo, em nenhuma base, encontra-se denida para x ≤ 0.


No sistema SageMath, o comando log serve para representar as funções logaritmo. Assim, por
exemplo, a linha de código a seguir dene a função logaritmo de base 10:

> f(x) = log(x,10)

Deve-se notar que esse comando tem dois argumentos, o primeiro é o número cujo logaritmo será
calculado e o segundo é a base do logaritmo. Para denir a função logaritmo de base e, são possíveis
as três formas a seguir:

> f(x) = log(x,e)

> f(x) = ln(x)

> f(x) = log(x)

As três formas são equivalentes: não faz qualquer diferença adotar uma ou outra. Chamamos a
atenção em especial para a última das três: o comando log com apenas um argumento representa
o logaritmo neperiano, ou seja, assume implicitamente que a base do logaritmo seja igual a e.
CAPÍTULO 1. FUNÇÕES 28

g(x) = ln(x)

2 4 6 8 10

-1

-2

Figura 1.14: Função logaritmo neperiano: g(x) = ln(x)

Domínio das funções logaritmo


Como dito imediatamente acima, o domínio de uma função logaritmo, em qualquer base, será
sempre:
x>0
Deve-se chamar a atenção para o fato de que o domínio inclui os valores de x estritamente maiores
que zero (ou seja, não é possível calcular o logaritmo para x = 0). Esse domínio, portanto, é

diferente por exemplo do domínio da função x, que admite valores x ≥ 0.

1.2.7 Funções trigonométricas


A forma de se denir as funções trigonométricas é diferente daquela utilizada para denir as demais
funções vistas até agora. Todas as funções que já examinamos foram denidas seguindo uma lógica
que partia das quatro operações básicas da aritmética, por sobre as quais eram denidas operações
mais complexas. No caso das funções trigonométricas, a construção de suas denições se baseia
em guras geométricas. A ideia é que são medidos determinados comprimentos em uma construção
geométrica que depende de um ângulo θ, e então se aplicam operações de divisão sobre esses compri-
mentos, obtendo-se dessa forma números que correspondem às funções seno, cosseno e tangente de
θ. A gura geométrica usada para denir essas funções, chamada círculo trigonométrico, é mostrada
na gura 1.15. A gura 1.16 mostra como mudam os valores das funções seno e cosseno quando o
ângulo θ se encontra no primeiro, no segundo e no terceiro quadrantes do círculo trigonométrico.
A utilização do círculo trigonométrico para denir as funções trigonométricas faz com que essas
funções sejam periódicas. Isso ocorre assumindo-se a convenção de que o ângulo θ possa assumir
qualquer valor real, sendo que a cada volta completa no sentido anti-horário do ponto de referência
CAPÍTULO 1. FUNÇÕES 29

(a, b)
sin(θ)
0.5

θ
-1 -0.5 0.5 1
cos(θ)

-0.5

-1

Figura 1.15: Círculo trigonométrico: Considera-se um círculo de raio R = 1. Traça-se o segmento


que liga a origem ao círculo, formando um ângulo θ com o semi-eixo horizontal positivo. A interseção
desse segmento com o círculo é o ponto de coordenadas (a, b). As funções trigonométricas seno,
b
cosseno e tangente são denidas como: sen(θ) = b; cos(θ) = a; tan(θ) = .
a

1 1 1
(a, b) (a, b)
sin(θ) sin(θ)

0.5 0.5 0.5

θ θ
θ cos(θ)
-1 -0.5 0.5 1 -1 -0.5 0.5 1 -1 -0.5 0.5 1
cos(θ) cos(θ)

-0.5 -0.5 -0.5

sin(θ)
-1 -1
(a, b) -1

(a) (b) (c)

Figura 1.16: Círculo trigonométrico: valores de seno e cosseno quando θ ca igual a: (a) π3 (no
2π 4π
primeiro quadrante do círculo); (b)
3 (no segundo quadrante); (c) 3 (no terceiro quadrante).
CAPÍTULO 1. FUNÇÕES 30

1
sin(x)
cos(x)

0.5

-10 -5 5 10

-0.5

-1

Figura 1.17: Funções trigonométricas. Superposição dos grácos das funções sen(x) e cos(x).

ao redor do círculo é somado um valor de 2π ao valor de θ, e o giro no sentido horário corresponde


ao incremento negativo do ângulo θ. Estabelecida essa convenção, cam bem denidas as funções
sen(x), cos(x) e tan(x). A gura 1.17 mostra os grácos das funções sen(x) e cos(x) superpostos.
A gura 1.18 mostra o gráco da função tan(x).
O código a seguir faz o traçado de grácos das funções seno e cosseno, como mostrados na gura
1.17:

> f1(x) = sin(x)


> f2(x) = cos(x)
> C1 = plot(f1,x,-12,12)
> C2 = plot(f2,x,-12,12,color='red')
> C1 + C2

Chamamos a atenção para que, no SageMath, as funções seno e cosseno sejam representadas res-
pectivamente pelo comando sin e pelo comando cos. Os nomes desses comandos vêm das palavras
sine e cosine, que signicam seno e cosseno, em língua inglesa.
Já o código abaixo faz o traçado do gráco da função tangente, como mostrada na gura 1.18:

> f(x) = tan(x)


> plot(f,x,-12,12,color='green',ymin=-10,ymax=10,detect_poles='show')

No SageMath, o comando tan representa a função tangente (que, em inglês, se escreve tangent).
Nesse trecho de código, ainda deve-se notar que foi necessário denir valores mínimo e máximo
CAPÍTULO 1. FUNÇÕES 31

10

-10 -5 5 10

-5

-10

Figura 1.18: Funções trigonométricas. Função tan(x).

y , uma vez que a função tangente atinge valores innitos sem-


a serem representados no eixo
pre que x é um múltiplo ímpar de π/2. Chamamos a atenção ainda para o uso da diretiva
detect_poles='show', que também funciona para a função tangente de maneira similar ao que
ocorre nas funções racionais.
É importante sempre lembrar alguns fatos a respeito das funções sen(x) e cos(x):

ˆ As funções seno, cosseno e tangente são periódicas com período 2π , ou seja: sen(x) = sen(x +
2π), cos(x) = cos(x + 2π) e tan(x) = tan(x + 2π). Isso decorre do fato de que, a cada vez que
θ percorre um ângulo de 2π , o ponto de referência volta sempre ao mesmo lugar no círculo
trigonométrico.

ˆ As funções seno e cosseno produzem resultados que sempre se encontram dentro do intervalo
[−1, 1], ou seja: −1 ≤ sen(x) ≤1 e −1 ≤ cos(x) ≤ 1.

ˆ O estudante deve sempre se lembrar dos valores das funções seno e cosseno indicados na tabela
CAPÍTULO 1. FUNÇÕES 32

abaixo:
x sen(x) cos(x)
0 0 1
π
1 0
2
π 0 −1

−1 0
2
2π 0 1

Deve-se ainda notar que são esses os valores de x para os quais as funções seno e cosseno
passam por zero ou atingem seu máximo ou seu mínimo.

Domínio das funções trigonométricas


No caso das funções trigonométricas sen(x) e cos(x), essas funções encontram-se denidas para
todos os valores possíveis de x. Os domínios dessas funções correspondem portanto ao conjunto:

−∞ < x < ∞

Já a função trigonométrica tan(x), que é o mesmo que:

sen(x)
tan(x) =
cos(x)

não pode ser calculada nos valores de x que fazem com que cos(x) se iguale a zero. Neste texto,
não discutiremos em detalhe o domínio dessa função.

1.3 Transformações de funções


Nesta seção, estudaremos algumas transformações simples que podem ser feitas nas expressões de
uma função, que corresponderão a transformações também simples nos respectivos grácos. Essas
transformações nos grácos corresponderão a operações geométricas que signicam translações,
expansões, compressões ou reexões do gráco original. A Tabela abaixo mostra as transformações
que serão estudadas aqui. Nessa tabela, k representa uma constante positiva. No caso das expansões
e contrações, também se assume que a constante k , além de ser positiva, seja maior que 1.
CAPÍTULO 1. FUNÇÕES 33

Transformações em f (x)

Movimento do gráco Mudança na expressão

Translação vertical para cima f (x) + k

Translação vertical para baixo f (x) − k

Translação horizontal para a esquerda f (x + k)

Translação horizontal para a direita f (x − k)

Expansão vertical k · f (x)


1
Contração vertical · f (x)
k
x
Expansão horizontal f
k
Contração horizontal f (k · x)

Reexão ao redor do eixo x −f (x)

Reexão ao redor do eixo y f (−x)

A seguir, são mostrados exemplos de cada uma dessas transformações.

Translações verticais
Considere-se a função:
f (x) = x2
A partir dessa função, construímos duas funções transformadas:

fa (x) = x2 + 1 fb (x) = x2 − 1

A função fa (x) tem um gráco que corresponde à translação vertical para cima do gráco da função
f (x), e a função fb (x) tem um gráco que corresponde à translação vertical para baixo do gráco
da função f (x). Os três grácos são mostrados sobrepostos na gura 1.19.

Translações horizontais
Considere-se a função:

f (x) = x
A partir dessa função, construímos duas funções transformadas:
√ √
fa (x) = x+1 fb (x) = x−1
CAPÍTULO 1. FUNÇÕES 34

-2 ff(ax(x)) -1.5 -1 -0.5 0.5 1 1.5 2


fb (x)
-1

Figura 1.19: Gráco da função original f (x) = x2 , superposto à sua translação para cima fa (x) =
x2 +1 e à sua translação para baixo fb (x) = x2 − 1.

A função fa (x) tem um gráco que corresponde à translação horizontal para a esquerda do gráco
da função f (x), e a função fb (x) tem um gráco que corresponde à translação horizontal para a
direita do gráco da função f (x). Os três grácos são mostrados sobrepostos na gura 1.20.
CAPÍTULO 1. FUNÇÕES 35

f(x)
1.4
fa (x)
fb (x) 1.2

0.8

0.6

0.4

0.2

-1 -0.5 0.5 1 1.5 2 2.5 3



Figura 1.20: Gráco da função original
√ f (x) = x, superposto à sua translação horizontal para a

esquerda fa (x) = x+1 e à sua translação horizontal para a direita fb (x) = x − 1.
CAPÍTULO 1. FUNÇÕES 36

1 ff(ax(x))
fb (x)

0.5 1 1.5 2
-1

-2

-3

-4

Figura 1.21: Gráco da função original f (x) = ln(x), superposto à sua expansão vertical fa (x) =
2 · ln(x) e à sua contração vertical fb (x) = 21 ln(x).

Expansão e contração vertical


Considere-se a função:
f (x) = ln(x)
A partir dessa função, construímos duas funções transformadas:

1
fa (x) = 2 · ln(x) fb (x) = ln(x)
2
A função fa (x) tem um gráco que corresponde à expansão vertical do gráco da função f (x), e a
função fb (x) tem um gráco que corresponde à contração do gráco da função f (x). Os três grácos
são mostrados sobrepostos na gura 1.21.

Expansão e contração horizontal


Considere-se a função:
f (x) = sen(x)

A partir dessa função, construímos duas funções transformadas:


x
fa (x) = sen(2x) fb (x) = sen
2
A função fa (x) tem um gráco que corresponde à contração horizontal do gráco da função f (x),
e a função fb (x) tem um gráco que corresponde à expansão horizontal do gráco da função f (x).
Os três grácos são mostrados na gura 1.22.
É interessante mostrar como se constrói uma gura contendo três janelas grácas diferentes
utilizando o sistema Sage. Os comandos utilizados para montar a gura 1.22 são mostrados a
seguir:
CAPÍTULO 1. FUNÇÕES 37

1
f(x) 0.5
-10 -5 -0.5 5 10
-1
1
0.5
fa (x)
-10 -5 -0.5 5 10
-1
1
0.5 fb (x)
-10 -5 -0.5 5 10
-1

Figura 1.22: Gráco da função original f (x) = sen(x), de sua contração horizontal fa (x) = sen(2x)
x
e de sua expansão horizontal fb (x) = sen
2 .

> f(x) = sin(x)


> fa(x) = f(2*x)
> fb(x) = f(x/2)
> P1 = plot(f,-10,10)
> P2 = plot(fa,-10,10,color='red')
> P3 = plot(fb,-10,10,color='green')
> Graf = graphics_array((P1,P2,P3),ncols=1)
> Graf

Na primeira linha, a funçãof (x) é denida. A segunda linha dene a função fa (x) utilizando a
função f (x) anteriormente denda. A terceira linha dene a função fb (x), também a partir de f (x).
A quarta, a quinta e a sexta linhas têm comandos que fazem a geração dos grácos de f (x), fa (x)
e fb (x), sendo que o gráco de fa (x) é gerado em vermelho ('red', em inglês) e o gráco de fb (x) é
gerado em verde ('green', em inglês). Esses grácos são armazenados nas variáveis computacionais
P1, P2 e P3. Na sétima linha, o comando graphics_array agrupa os grácos gerados anteriormente
em um arranjo gráco, que é armazenado na variável computacional Graf. A diretiva ncols=1
serve para dizer que esse arranjo gráco tem apenas uma coluna; se não colocássemos essa diretiva
os três grácos seriam colocados em sequência em uma única linha. Por m, na última linha o
gráco anteriormente montado é nalmente exibido, quando se chama a variável computacional na
qual ele está armazenado.

Reexões ao redor dos eixos coordenados


Considere-se a função:
f (x) = exp(x)
CAPÍTULO 1. FUNÇÕES 38

-2 -1.5 -1 -0.5 0.5 1 1.5 2


-2

-4
f(x)
fa (x) -6
fb (x)

Figura 1.23: Gráco da função original f (x) = exp(x), de sua reexão fa (x) = − exp(x) ao redor
do eixo dos x, e de sua reexão fb (x) = exp(−x) ao redor do eixo dos y .

A partir dessa função, construímos duas funções transformadas:

fa (x) = − exp(x) fb (x) = exp(−x)


A função fa (x) tem um gráco que corresponde à reexão do gráco da função f (x) ao redor do
eixo dos x, e a função fb (x) tem um gráco que corresponde à reexão do gráco da função f (x)
ao redor do eixo dos y . Os três grácos são mostrados superpostos na gura 1.23.

Várias transformações compostas


É claro que é possível realizar uma sequência de transformações diferentes em uma função, para a
obtenção de uma função transformada. Por exemplo, consideremos a função f1 (x):
1
f1 (x) =
x
A partir dessa função, construímos uma função transformada f2 (x) cujo gráco corresponde ao
gráco da função f1 (x) reetido ao redor do eixo dos x:
f2 (x) = −f1 (x)
A seguir, construímos uma função transformada f3 (x) cujo gráco corresponde à translação de duas
unidades para a direita do gráco da função f2 (x):
f3 (x) = f2 (x − 2)
Por m, construímos uma função transformada f4 (x) cujo gráco é correspondente à translação de
uma unidade para cima do gráco da função f3 (x):
f4 (x) = f3 (x) + 1
CAPÍTULO 1. FUNÇÕES 39

10 f1 (x)
f4 (x)

-4 -2 2 4 6

-5

1
Figura 1.24: Gráco da função original f1 (x) = x , superposto ao gráco da função transformada
f4 (x).

A gura 1.24 mostra a superposição dos grácos de f1 (x) e f4 (x). Nessa gura, também encontram-
se exibidos, em linha tracejada na cor cinza, as assíntotas do gráco de f4 (x), que ajudam a enxergar
a sua relação com o gráco de f1 (x).

1.3.1 Identicando as transformações em uma função


É importante que o estudante, ao olhar o gráco de uma função transformada, saiba reconhecer
qual transformação (ou quais transformações) a função pode ter sofrido. Uma série de exemplos são
mostrados a seguir, para ilustrar o raciocínio a ser seguido para se fazer esse reconhecimento.

Exemplo 1.1 Na gura 1.25, estão mostrados o gráco de uma função f (x) e de uma transformação dessa
função, indicada por g(x). Na gura 1.25, estão mostrados os pontos A1 e B1 do gráco de f (x), ligados
por linhas tracejadas aos pontos A2 e B2 , que são os correspondentes pontos transformados no gráco de
g(x). O leitor pode reconhecer facilmente que cada ponto do gráco de f (x) tem um ponto correspondente no
gráco de g(x) que está situado na mesma ordenada y , sendo que cada ponto no gráco de g(x) tem abscissa
x igual à abscissa x do gráco de f (x) mais 1. Assim, por exemplo, se A1 tem coordenadas (p, q), o ponto
A2 tem coordenadas (p + 1, q), e se o ponto B1 tem coordenadas (r, s), o ponto B2 tem coordenadas (r + 1, s).
Como cada ponto (x, y) do gráco de f (x) é levado em um ponto de coordenadas (x + 1, y) no gráco de
g(x), nós podemos concluir que a transformação é dada por:

g(x) = f (x − 1)

ou seja, o gráco de g(x) é uma translação horizontal do gráco de f (x). ♦

Exemplo 1.2 Na gura 1.26, estão mostrados o gráco de uma função f (x) e de uma transformação dessa
função, indicada por g(x). Na gura 1.26, estão mostrados os pontos A1 e B1 do gráco de f (x), ligados
por linhas tracejadas aos pontos A2 e B2 , que são os correspondentes pontos transformados no gráco de
g(x). O leitor pode reconhecer facilmente que cada ponto do gráco de f (x) tem um ponto correspondente
CAPÍTULO 1. FUNÇÕES 40

4
A1 A2
2

-4 -2 2 4

B1 -2
B2
-4

Figura 1.25: Translação horizontal: Gráco da funçãof (x), em azul, e de uma translação horizontal
dessa função, indicada por g(x), em vermelho. Os pontos A1 e B1 , do gráco da função f (x), são
transformados nos pontos A2 e B2 do gráco de g(x).

A2
4
A1
2

B2
-4 -2 2 4

-2
B1
-4

Figura 1.26: Translação vertical: Gráco da função f (x), em azul, e de uma translação vertical
dessa função, indicada por g(x), em vermelho. Os pontos A1 e B1 , do gráco da função f (x), são
transformados nos pontos A2 e B2 do gráco de g(x).
CAPÍTULO 1. FUNÇÕES 41

4
A1 A2
2

-4 -2 2 4

-2

-4
B1 B2

Figura 1.27: Contração horizontal: Gráco da função f (x), em azul, e de uma contração horizontal
dessa função, indicada por g(x), em vermelho. Os pontos A1 e B1 , do gráco da função f (x), são
transformados nos pontos A2 e B2 do gráco de g(x).

no gráco de g(x) que tem a mesma abscissa x, sendo que cada ponto no gráco de g(x) tem ordenada igual
à ordenada y do gráco de f (x) mais 2. Assim, por exemplo, se A1 tem coordenadas (p, q), o ponto A2 tem
coordenadas (p, q + 2), e se o ponto B1 tem coordenadas (r, s), o ponto B2 tem coordenadas (r, s + 2).
Como cada ponto (x, y) do gráco de f (x) é levado em um ponto de coordenadas (x, y + 2) no gráco de
g(x), nós podemos concluir que a transformação é dada por:

g(x) = f (x) + 2

ou seja, o gráco de g(x) é uma translação vertical do gráco de f (x). ♦

Exemplo 1.3 Na gura 1.27, estão mostrados o gráco de uma função f (x) e de uma transformação dessa
função, indicada por g(x). Na gura 1.27, estão mostrados os pontos A1 e B1 do gráco de f (x), ligados
por linhas tracejadas aos pontos A2 e B2 , que são os correspondentes pontos transformados no gráco de
g(x). O leitor pode reconhecer facilmente que cada ponto do gráco de f (x) tem um ponto correspondente
no gráco de g(x) y , sendo que cada ponto no gráco de g(x) tem abscissa igual
que tem a mesma ordenada
à abscissa x f (x) dividida por 2. Assim, por exemplo, se A1 tem coordenadas (p, q), o ponto
do gráco de
A2 tem coordenadas (p/2, q), e se o ponto B1 tem coordenadas (r, s), o ponto B2 tem coordenadas (r/2, s).
Como cada ponto (x, y) do gráco de f (x) é levado em um ponto de coordenadas (x/2, y) no gráco de
g(x), nós podemos concluir que a transformação é dada por:

g(x) = f (2x)

ou seja, o gráco de g(x) é uma contração horizontal do gráco de f (x). ♦

Exemplo 1.4 Na gura 1.28, estão mostrados o gráco de uma função f (x) e de uma transformação dessa
função, indicada por g(x). Na gura 1.28, estão mostrados os pontos A1 e B1 do gráco de f (x), ligados
por linhas tracejadas aos pontos A2 e B2 , que são os correspondentes pontos transformados no gráco de
g(x). O leitor pode reconhecer facilmente que cada ponto do gráco de f (x) tem um ponto correspondente
CAPÍTULO 1. FUNÇÕES 42

A2
4
A1
2

-4 -2 2 4

B1 -2

-4
B2

Figura 1.28: Expansão vertical: f (x), em azul, e de uma expansão vertical


Gráco da função
dessa função, indicada por g(x), em vermelho. Os pontos A1 e B1 , do gráco da função f (x), são
transformados nos pontos A2 e B2 do gráco de g(x).

no gráco de g(x) que tem a mesma abscissa x, sendo que cada ponto no gráco de g(x) tem ordenada igual
à ordenada y do gráco de f (x) vezes 2. Assim, por exemplo, se A1 tem coordenadas (p, q), o ponto A2 tem
coordenadas (p, 2q), e se o ponto B1 tem coordenadas (r, s), o ponto B2 tem coordenadas (r, 2s).
Como cada ponto (x, y) do gráco de f (x) é levado em um ponto de coordenadas (x, 2y) no gráco de
g(x), nós podemos concluir que a transformação é dada por:

g(x) = 2f (x)

ou seja, o gráco de g(x) é uma expansão vertical do gráco de f (x). ♦

Exemplo 1.5 Na gura 1.29, estão mostrados o gráco de uma função f (x) e de uma transformação dessa
função, indicada por g(x). Na gura 1.29, estão mostrados os pontos A1 e B1 do gráco de f (x), ligados
por linhas tracejadas aos pontos A2 e B2 , que são os correspondentes pontos transformados no gráco de
g(x). O leitor pode reconhecer facilmente que cada ponto do gráco de f (x) tem um ponto correspondente
no gráco de g(x) x, sendo que cada ponto no gráco de g(x) tem ordenada igual
que tem a mesma abscissa
a menos a ordenada y do gráco de f (x). Assim, por exemplo, se A1 tem coordenadas (p, q), o ponto A2
tem coordenadas (p, −q), e se o ponto B1 tem coordenadas (r, s), o ponto B2 tem coordenadas (r, −s).
Como cada ponto (x, y) do gráco de f (x) é levado em um ponto de coordenadas (x, −y) no gráco de
g(x), nós podemos concluir que a transformação é dada por:

g(x) = −f (x)

ou seja, o gráco de g(x) é uma reexão do gráco de f (x) em relação ao eixo x. ♦

Exemplo 1.6 Na gura 1.30, estão mostrados o gráco de uma função f (x) e de uma transformação dessa
função, indicada por g(x). Na gura 1.30, estão mostrados os pontos A1 e B1 do gráco de f (x), ligados
por linhas tracejadas aos pontos A2 e B2 , que são os correspondentes pontos transformados no gráco de
CAPÍTULO 1. FUNÇÕES 43

B1
A2 1

0.5 C1

-8 -6 -4 -2 2 4 6 8

-0.5 C2

-1
A1
B2
Figura 1.29: Reexão ao redor do eixo x: Gráco da função f (x), em azul, e de uma reexão dessa
função em relação ao eixo dos x, indicada por g(x), em vermelho. Os pontos A1 e B1 , do gráco da
função f (x), são transformados nos pontos A2 e B2 do gráco de g(x).

B2 B1
1

C2 0.5 C1

-8 -6 -4 -2 2 4 6 8

-0.5

-1
A1 A2
Figura 1.30: Reexão ao redor do eixo y: Gráco da função f (x), em azul, e de uma reexão dessa
função em relação ao eixo dos y, indicada por g(x), em vermelho. Os pontos A1 e B1 , do gráco da
função f (x), são transformados nos pontos A2 e B2 do gráco de g(x).
CAPÍTULO 1. FUNÇÕES 44

g(x). O leitor pode reconhecer facilmente que cada ponto do gráco de f (x) tem um ponto correspondente
no gráco de g(x) que tem a mesma ordenada y, g(x) tem abscissa igual
sendo que cada ponto no gráco de
a menos a abscissa x f (x). Assim, por exemplo, se A1 tem coordenadas (p, q), o ponto A2 tem
do gráco de
coordenadas (−p, q), e se o ponto B1 tem coordenadas (r, s), o ponto B2 tem coordenadas (−r, s).
Como cada ponto (x, y) do gráco de f (x) é levado em um ponto de coordenadas (−x, y) no gráco de
g(x), nós podemos concluir que a transformação é dada por:

g(x) = f (−x)

ou seja, o gráco de g(x) é uma reexão do gráco de f (x) em relação ao eixo y . ♦

1.4 Salvando grácos no SAGE


Para a execução de diversas das tarefas propostas ao longo deste curso, o estudante deverá salvar
guras geradas pelo sistema SageMath em arquivos, de forma a poder incluir tais guras no texto
de relatórios a serem entregues. Deve-se notar que tarefas de confecção de guras contendo grácos
para serem colocadas em relatórios certamente irão surgir inúmeras outras vezes no futuro, tanto em
outras disciplinas a serem cursadas na universidade quanto durante o exercício da futura prossão.
A ferramenta SageMath poderá ser uma boa alternativa para a execução de tal tipo de tarefa. Esta
seção tem por objetivo mostrar como é feita a geração desses arquivos contendo guras.
O trecho de código a seguir mostra os comandos que são utilizados para a criação de um gráco,
seguida do armazenamento do gráco em um arquivo:

> f(x) = sin(x)


> P = plot(f,-2*pi,2*pi)
> P.save('grafico.png')

Na primeira linha, é denida a função f (x) = sen(x). Na segunda linha, é criado um gráco dessa
função no intervalo −2π ≤ x ≤ 2π , sendo esse gráco armazenado na variável computacional P. Na
terceira linha, o gráco que se encontra armazenado nessa variável computacional é então salvo no
arquivo denominado grafico.png. Deve-se notar que:

ˆ O nome da variável computacional utilizada para armazenar o gráco pode ser qualquer nome
denido pelo usuário. No exemplo acima, essa variável foi chamada de P.
ˆ O nome do arquivo a ser salvo também pode ser qualquer nome denido pelo usuário, seguido
de uma extensão que seja ou png, pdf ou eps. No exemplo acima, o arquivo foi denominado
grafico, e a extensão utilizada foi png.

ˆ O comando de salvamento do gráco tem sempre a estrutura:


nome_da_variavel.save('nome_do_arquivo.extensão') .

Caso o SageMath esteja instalado localmente no computador do usuário, o arquivo é salvo no


diretório de trabalho do SageMath. Caso o estudante esteja utilizando a versão on-line do SageMath,
a execução do código acima produzirá o seguinte resultado:
CAPÍTULO 1. FUNÇÕES 45

Encontra-se destacado, no canto inferior esquerdo desta imagem, um link que o sistema SageMath
devolve, como resultado da execução do trecho de código. Quando esse link é acionado, o navegador
abre a gura em uma nova aba. Clicando com o botão direito do mouse sobre a gura que foi aberta,
abre-se uma caixa de diálogo que permite salvar o arquivo da gura em um diretório à escolha do
usuário.

1.5 Raízes de funções e resolução de equações


As raízes de uma função f (x) são os valores de x que fazem a igualdade:

f (x) = 0 (1.4)

ser satisfeita. Deve-se notar que a expressão (1.4) é uma equação. Encontrar as raízes de f (x),
portanto, é o mesmo que resolver a equação (1.4).
No ensino médio, foram estudados alguns casos de determinação de raízes de funções. Por
exemplo, a fórmula das raízes da função polinomial de segundo grau é um importante tópico do
ensino médio:  √
 −b + b2 − 4ac
 x1 =


2a
ax2 + bx + c = 0 ⇒ √ (1.5)

 −b − b2 − 4ac
 x2 =

2a
O problema de se determinarem as raízes de uma função aparece com muita frequência em
aplicações. No entanto, são relativamente raras as situações em que existem fórmulas analíticas,
tais como as mostradas em (1.5). Por exemplo, um importante teorema da álgebra
2 mostra que é

impossível a existência de uma fórmula fechada geral, como as fórmulas (1.5), para a determinação
das raízes de polinômios de grau 5 ou maior. Deve-se notar ainda que funções mais gerais, como
aquelas que podem ser construídas combinando funções dos tipos discutidos neste capítulo, só

2
Esse teorema foi proposto pelos matemáticos Paolo Runi (demonstração em 1799, contendo um erro) e Niels
Abel (demonstração nal em 1824).
CAPÍTULO 1. FUNÇÕES 46

admitem fórmulas analíticas para o cálculo de suas raízes em situações bastante particulares; em
geral, tais fórmulas não estão disponíveis.
Por esse motivo, em situações práticas é bastante comum que se busquem as chamadas soluções
numéricas de equações. Isso signica que pacotes computacionais, tais como o SageMath, irão
procurar os valores das raízes de uma função f (x) por meio de métodos numéricos de aproximações
sucessivas. Como resultado, encontrarão valores que aproximam os valores exatos das raízes com
uma precisão de dezenas de casas decimais.
No sistema Sage, a determinação numérica de raízes de funções é feita por meio do comando
find_root. Suponha-se que a função f (x) já tenha sido denida, e que o usuário já saiba que
existe uma raiz dessa função situada no intervalo entre x = a e x = b. O código a seguir faz a
determinação numérica desta raiz:

> r = find_root(f,a,b)

É preciso fornecer, como entradas, o nome da função, f, o extremo inferior do intervalo no qual a
raiz vai ser buscada, a, e o extremo superior do intervalo de busca, b.
Para exemplicar o uso do comando find_root na determinação das raízes de uma função,
consideremos a seguinte função:
g(x) = 5 sen(x) + x2 − 4 (1.6)

Suponhamos que deseja-se encontrar todas as raízes dessa função, ou seja, todas as soluções da
equação:
5 sen(x) + x2 − 4 = 0 (1.7)

Para que seja possível utilizar o comando find_root para resolver esse problema:

ˆ É necessário primeiro saber quantas raízes essa função possui;

ˆ Para cada raiz, é preciso conhecer um intervalo da variável x que contenha apenas essa raiz,
e nenhuma outra.

Essas informações podem ser obtidas observando o gráco da função. Esse gráco é mostrado na
gura 1.31. O gráco revela que:

ˆ A função g(x) tem duas raízes;

ˆ A primeira raiz encontra-se no intervalo entre x = −3 e x = −2, ou seja, o intervalo [−3, −2].

ˆ A segunda raiz encontra-se no intervalo entre x=0 e x = 1, ou seja, o intervalo [0, 1]

Note-se que outras escolhas para os intervalos que contêm as raízes seriam possíveis. Por exemplo,
o intervalo que contém apenas primeira raiz também poderia ser expresso como o intervalo [−4, 0].
Conhecendo-se os intervalos correspondentes a cada raiz, a determinação dos valores numéricos
das duas raízes é feita pelo código a seguir:

> g(x) = 5*sin(x) + x2 - 4


> r1 = find_root(g,-3,-2)
> r2 = find_root(g,0,1)
CAPÍTULO 1. FUNÇÕES 47

30 g(x) = 5 sin(x) + x 2 − 4
25
20
15
10
5

-6 -4 -2 2 4 6
-5

Figura 1.31: Gráco da função g(x) = 5 sen(x) + x2 − 4.

> print(r1)
> print(r2)

O resultado da execução desse código é exibido da seguinte forma:

-2.580667959
0.755685642969

Esses são os valores respectivamente da primeira e da segunda raízes da função g(x).


O estudante deve car atento para o fato de que o problema de determinação das raízes de
uma função é equivalente ao problema de determinação das soluções de uma equação. Assim, por
exemplo, o problema de resolver a equação:

5 sen(x) = 4 − x2 (1.8)

é idêntico ao problema de determinar as raízes da função g(x) denida em (1.6), de forma que as
raízes encontradas acima são também soluções dessa equação.

1.6 Interseção de grácos de funções


O problema de encontrar os pontos de interseção entre os grácos de duas funções f (x) e g(x)
corresponde ao problema de encontrar os pontos de coordenadas (a, b) que atendem às relações:

ˆ b = f (a)

ˆ b = g(a)
CAPÍTULO 1. FUNÇÕES 48

A primeira relação signica que (a, b) é um ponto do gráco de f (x) e a segunda relação signica
que (a, b) é um ponto do gráco de g(x). O atendimento simultâneo às duas relações signica que o
ponto (a, b) pertence a ambos os grácos, sendo portanto um ponto de interseção dos dois grácos.
Um exemplo simples de interseção entre grácos ocorre para as funções f (x) = x e g(x) = x .
2

A gura 1.32 mostra os grácos dessas funções, destacando os dois pontos de interseção, que são os
pontos (0, 0) e (1, 1).

3 g(x) = x 2
2

1 (1, 1) f(x) = x
(0, 0)
-2 -1.5 -1 -0.5 0.5 1 1.5 2
-1

-2

Figura 1.32: Interseções dos grácos das funções f (x) = x e g(x) = x2 .

O estudante mais atento já deve ter notado que a resolução do problema de determinação
dos pontos de interseção entre os grácos de duas funções f (x) e g(x) envolve a utilização do
procedimento de determinação de resolução de equações, visto na seção 1.5. Os passos para resolver
esse problema são:

1. Resolva a equação: f (x) = g(x), encontrando um valor x = a que a solucione em um intervalo.


Como visto na seção 1.5, isso é o mesmo que encontrar uma raiz x = a da função f (x) − g(x)
contida nesse intervalo.

2. Substitua o valor x = a encontrado nas funções, encontrando o correspondente valor b =


f (a) = g(a) atingido pelas funções para aquele valor de x.

3. O ponto (a, b) encontrado é um ponto de interseção dos grácos das funções.

Para encontrar todos os pontos de interseção entre os grácos das funções, é preciso executar essa
sequência de passos considerando intervalos que contenham cada uma das interseções.
Como exemplo, vamos examinar o problema de determinar todas as interseções dos grácos das
funções f (x) e g(x) dadas por:

exp(x)
f (x) = 1 − exp(−x2 ) g(x) = (1.9)
10
CAPÍTULO 1. FUNÇÕES 49

Primeiro traçamos os grácos das duas funções, para descobrir quantas interseções existem e para
escolher intervalos que contenham essas interseções. Esses grácos são mostrados na gura 1.33.
Pode-se constatar, pela gura, que os grácos dessas funções têm três pontos de interseção, situados

g(x) = 101 exp(x)


1.5

f(x) = 1 − exp(−x 2 )
1

0.5

-3 -2 -1 1 2 3

Figura 1.33: Interseções dos grácos das funções f (x) e g(x) conforme denidas em (1.9).

nos intervalos [−1, 0],[0, 1] e [2, 3]. Executamos então o seguinte código Sage para determinar esses
pontos:

> f(x) = 1 - exp(-x2)


> g(x) = exp(x)/10
> a1 = find_root(f-g,-1,0)
> a2 = find_root(f-g,0,1)
> a3 = find_root(f-g,2,3)
> b1 = f(a1)
> b2 = f(a2)
> b3 = f(a3)
> print(a1,b1)
> print(a2,b2)
> print(a3,b3)

O Sage retorna o seguinte resultado da execução desse código:

(-0.28029127092343165, 0.07555636356843021)
(0.4024846399906394, 0.1495535953602275)
(2.2974713246053673, 0.9948992846653113)

Essas são as coordenadas dos três pontos que correspondem às três interseções dos grácos de f (x)
e g(x).
CAPÍTULO 1. FUNÇÕES 50

1.7 Síntese do capítulo


Neste curso, o estudo das funções tem por objetivo que o estudante forme uma compreensão que
lhe permita pensar sobre elas como entidades dotadas de uma personalidade, o que faz com que:

ˆ Uma função possa ser representada de diferentes maneiras, e cada representação é capaz de
evidenciar algumas de suas propriedades, talvez tornando mais difícil enxergar outras pro-
priedades. Por exemplo, a expressão matemática da função e o gráco da função são duas
representações de uma mesma entidade (a função), que servem para evidenciar diferentes as-
pectos da função. Há outras representações possíveis para uma função, a maioria das quais
não serão discutidas neste texto. Devemos notar que há uma representação que discutiremos
nos últimos capítulos deste texto: uma função pode ser denida como sendo a solução de
uma equação diferencial, e mesmo nos casos em que não tenhamos ferramentas para calcular
a expressão explícita que representa tal função, ela continuará existindo no mesmo sentido em
que as funções cujas expressões conhecemos também existem.

ˆ Uma função possa sofrer transformações tais como: translação horizontal, translação vertical,
contração ou expansão vertical, contração ou expansão horizontal, reexão em relação ao eixo
dos x, reexão em relação ao eixo dos y , ou ainda outras não discutidas neste material. Ao ser
transformada, uma função f1 (x) se transforma em uma outra função f2 (x) relacionada com
a primeira, porém um pouco diferente. A maioria das propriedades da primeira, no entanto,
ainda está presente na segunda função, e as propriedades que tiverem mudado irão se alterar
de maneira bastante previsível.

Para o efeito do estudo conceitual das funções, visando a que o estudante adquira a habilidade
de pensar as funções, sendo capaz de realizar operações mentais de manipulação dessas entidades
conceituais, nos concentraremos em algumas poucas funções básicas, cujas propriedades espera-se
que os estudantes apreendam. Assim, nos exercícios e nas avaliações que os estudantes encontrarão
para resolver manualmente, sem o auxílio de um computador, neste capítulo aparecerão apenas as
seguintes funções, além de suas transformações:

ˆ f (x) = x2
1
ˆ f (x) =
x

ˆ f (x) = x

ˆ f (x) = ex

ˆ f (x) = ln(x)

ˆ f (x) = sen(x)

ˆ f (x) = cos(x)

No Capítulo 2, passarão a ser consideradas somas, produtos ou divisões de funções desses tipos. A
partir do Capítulo 3, serão também consideradas funções do tipo:

ˆ f (x) = xp
CAPÍTULO 1. FUNÇÕES 51

sendo p um número inteiro ou um número racional (uma fração tendo números inteiros no numerador
e no denominador), positivo ou negativo. Como já visto neste capítulo, essa formulação inclui os
três primeiros casos da lista anterior:

ˆ f (x) = x2
1
ˆ f (x) = = x−1
x
√ 1
ˆ f (x) = x = x 2

além de permitir situações mais gerais, por exemplo:

2
ˆ f (x) = √1
3 2 = x− 3
x

Também passarão a ser consideradas, a partir do Capítulo 3, as funções compostas, ou seja, as


situações em que temos a função de uma função.
Ao nal deste capítulo, são apresentados os procedimentos para a resolução numérica dos pro-
blemas de determinação de raízes de funções, determinação de soluções de equações e determinação
das interseções entre grácos de funções com o auxílio do sistema SageMath. Nessas situações, nas
quais a resolução dos problemas é feita com o auxílio do computador, os exemplos e exercícios não se
restringem às situações mais simples, e já empregam expressões que combinam de maneiras diversas
as funções elementares estudadas no capítulo.
CAPÍTULO 1. FUNÇÕES 52

1.8 Exercícios
Questão 1: Para cada grupo de funções abaixo:

ˆ Faça o esboço do gráco da função (a) do grupo. Note que essa é a função original, que será
modicada para formar as demais funções do grupo.

ˆ Faça o esboço de cada um dos grácos das demais funções do grupo. Esse esboço deve ser
traçado superposto a um esboço da função (a), assim permitindo evidenciar as diferenças entre
a função original e a função modicada.

Em todos os casos, indique claramente as interseções de cada gráco com o eixo coordenado hori-
zontal e com o eixo coordenado vertical, mostrando os valores das coordenadas dessas interseções.

Grupo 1:

(a) f (x) = x2

(b) f (x) = 2x2

(c) f (x) = x2 − 1

(d) f (x) = −x2 + 1

(e) f (x) = (x + 1)2 = x2 + 2x + 1

Grupo 2:

(a) f (x) = ex
(b) f (x) = −ex

(c) f (x) = e−x

(d) f (x) = ex−1

(e) f (x) = e2x + 1

Grupo 3:
CAPÍTULO 1. FUNÇÕES 53

(a) f (x) = ln(x)

(b) f (x) = ln(2x)

(c) f (x) = 2 ln(x)

(d) f (x) = − ln(x)

(e) f (x) = ln(−x)

(f ) f (x) = ln(x) + 1

(g) f (x) = ln(x − 1)

Grupo 4:

(a) f (x) = sen(x)

(b) f (x) = 2 sen(x)

(c) f (x) = sen(2x)

(d) f (x) = sen(x) +1

(e) f (x) = sen(x + 1)

Grupo 5:

(a) f (x) = cos(x)


cos(x)
(b) f (x) =
2
x
(c) f (x) = cos
2
(d) f (x) = cos(−x)

(e) f (x) = − cos(x)

Grupo 6:
CAPÍTULO 1. FUNÇÕES 54


(a) f (x) = x

(b) f (x) = x−1

(c) f (x) = − x

(d) f (x) = −x

Grupo 7:
1
(a) f (x) =
x
1
(b) f (x) = −
x
1
(c) f (x) = +1
x
1
(d) f (x) =
x+1

Questão 2: Determine, para cada função indicada na questão anterior, quais são as faixas de valores
da variável x para as quais a função é denida (ou seja, determine o domínio de cada função).

Questão 3: Utilizando o sistema SageMath, determine todas as raízes das funções a seguir:

(a) f (x) = ln(x) + x2


(b) f (x) = exp(x) + x − 5

(c) f (x) = x − e−x

Questão 4: Utilizando o sistema SageMath, determine todas as soluções das equações a seguir:

x2 − 1 √
(a) 2
= − x3
x +1

(b) sen2 (x) = x − 1
1
(c) ln(2 − x) + 2 =
sen(x) + x + 1
Capítulo 2

Limites

A invenção do conceito de limite de uma função f (x) quando x se aproxima de um valor foi a chave
para formalização rigorosa do cálculo diferencial e integral. Neste texto não iremos trabalhar com
a noção rigorosa de limite. No entanto, uma noção intuitiva da ideia de limite é importante para
que seja possível uma compreensão sobre as propriedades relevantes que uma função pode ter. Essa
noção intuitiva será necessária para denirmos, nos próximos capítulos, os conceitos de derivada e
de integral. Este capítulo tem por objetivo fazer a apresentação dessa noção intuitiva.

2.1 Limites para x nito


A pergunta básica que a ideia de limite visa responder pode ser enunciada como: quando a variável
x se aproxima de determinado valor a, de qual valor a função f (x) se aproxima? Assim, quando
escrevemos:
lim f (x) = K
x→a

estamos dizendo que quando x se aproxima de a, o valor de f (x) se aproxima de um valor K . Na


linguagem do cálculo, dizemos: o limite de f (x) quando x tende ao valor a é igual a K  . Na maior
parte das vezes, a resposta à pergunta é relativamente trivial: quando x se aproxima de a, o valor
de f (x) se aproxima de K = f (a). Por exemplo, consideremos a função f (x) = sen(x), e o valor
a = π/2: π 
limπ sen(x) = sen =1
x→ 2 2
A gura 2.1 procura ilustrar a ideia de que, quando fazemos x se aproximar de π/2, seja fazendo
uma aproximação à esquerda (ou seja, aproximando-se de π/2 por valores menores que π/2), seja
à direita (ou seja, aproximando-se π/2 por valores maiores que π/2), o valor de sen(x) em ambos
os casos se aproxima de sen(π/2) = 1. Para dizer que o limite à direita e o limite à esquerda são
iguais, escrevemos:
lim sen(x) = lim sen(x) =1
x→ π2 + x→ π2 −

π+
A notação x→ 2 signica que x se aproxima de π/2 pela direita, ou seja, por valores maiores que
π/2, e a notação x → π2 − signica que x se aproxima de π/2 pela esquerda, ou seja, por valores
menores que π/2.

55
CAPÍTULO 2. LIMITES 56

1.5

0.5

-6 -4 -2 π 2 4 6
2

-0.5

-1

-1.5

Figura 2.1: Limite de f (x) = sen(x) quando x → π/2.

O conceito de limite irá representar algo menos trivial quando ocorrer a situação em que os
limites à esquerda e à direita forem diferentes um do outro. Por exemplo, consideremos a função:

 (x − 1)2

para x<2
f (x) =
x x≥2

para

Deve-se notar que essa função foi denida por partes, havendo uma expressão diferente para cada
intervalo da variável x. O gráco dessa função é mostrado na gura 2.2. Imediatamente percebemos,
pelo gráco, que a função tem uma descontinuidade em x = 2, sendo que quando x se aproxima de
2 pela esquerda observamos que:
lim f (x) = 1
x→2−
Já quando x se aproxima de 2 pela direita, observamos:

lim f (x) = 2
x→2+

O valor da função em x = 2, como podemos vericar a partir da expressão que a dene, é f (2) = 2,
ou seja, é igual ao limite à direita, mas é diferente do limite à esquerda.
Formalmente, nós identicamos as funções chamadas de descontínuas a partir do conceito de
limite. Quando ocorre:
lim f (x) 6= lim f (x)
x→a− x→a+
sabemos que a função f (x) é descontínua no ponto x = a. Na verdade, nós dizemos que uma função
f (x) é contínua em um ponto x = a sempre que:

lim f (x) = lim f (x) = f (a)


x→a− x→a+
CAPÍTULO 2. LIMITES 57

-1 1 2 3 4

Figura 2.2: Limites de f (x) quando x → 2+ e quando x → 2− .

Quando essa condição é vericada para todos os valores de x, nós dizemos simplesmente que f (x)
é uma função contínua.

2.1.1 Limites innitos para x nito


Uma situação particularmente importante ocorre quando f (x) assume valores ilimitados quando x
tende a um determinado valor a. Um exemplo de função assim é dado por:

1
f (x) =
x2
A gura 2.3 mostra o gráco dessa função. A causa desse comportamento da função quando x→0
é a divisão por zero, que iria ocorrer quando x = 0, o que faz com que a função não seja denida
para esse valor de x. Quando o valor de x se aproxima de zero, mesmo não cando igual a zero,
o resultado de se fazer a divisão de 1 por x2 (ou seja, uma divisão de 1 por um número muito
pequeno) resultará em um número muito grande, tão maior quanto menor for x2 . No caso desta
função, o crescimento ilimitado quando x se aproxima de zero ocorre tanto para a aproximação à
direita quanto para a aproximação à esquerda. Então temos, neste caso:

1 1 1
lim 2
= lim 2 = lim 2 = ∞
x→0+ x x→0− x x→0 x

Um comportamento um pouco diferente é observado quando tomamos a seguinte função:

1
f (x) =
x
CAPÍTULO 2. LIMITES 58

∞ ∞
5

-5 5

1
Figura 2.3: Limite de f (x) = x2
quando x → 0.
CAPÍTULO 2. LIMITES 59

+∞
4

-5 5

-2

-4

−∞

Figura 2.4: Limites de f (x) = 1


x quando x → 0+ e x → 0− .
CAPÍTULO 2. LIMITES 60

A gura 2.4 mostra o gráco dessa função. Como no caso anterior, a função f (x) assume valores
ilimitados quando x se aproxima de zero. No entanto, desta vez o limite à esquerda é diferente do
limite à direita de x = 0. Temos, desta vez:
1 1
lim = +∞ lim = −∞
x→0+ x x→0− x
Isso ocorre porque a função 1/x assume valores negativos para x < 0 e valores positivos para x > 0.

2.2 Limites no innito


Uma informação importante a respeito de uma função é o seu comportamento quando x ca muito
grande, indo em direção a innito (isso é representado pela notação x → ∞), ou quando ca muito
grande negativo, indo em direção a menos innito (isso é representado pela notação x → −∞).
Os seguintes comportamentos possíveis são muito comuns:

ˆ Se, quando x cresce, a função f (x) também cresce de maneira ilimitada (ou seja, sem car
abaixo de um valor máximo), dizemos que o limite de f (x) quando x tende a innito é innito.
Utilizamos a seguinte notação para dizer isso:

lim f (x) = ∞
x→∞

Um exemplo de função de tem esse comportamento é f (x) = x2 .

ˆ Se, quando x cresce, a função f (x) decresce de maneira ilimitada (ou seja, sem se deixar limitar
por um valor mínimo), dizemos que o limite de f (x) quando x tende a innito é menos innito.
Utilizamos a seguinte notação para dizer isso:

lim f (x) = −∞
x→∞

Um exemplo de função de tem esse comportamento é f (x) = −x2 .

ˆ Se, quando x decresce (indo em direção a menos innito), a função f (x) cresce de maneira
ilimitada (ou seja, sem car abaixo de um valor máximo), dizemos que o limite de f (x) quando
x tende a menos innito é innito. Utilizamos a seguinte notação para dizer isso:

lim f (x) = ∞
x→−∞

Um exemplo de função de tem esse comportamento é f (x) = x2 .

ˆ Se, quando x decresce (indo em direção a menos innito), a função f (x) também decresce de
maneira ilimitada (ou seja, sem se deixar limitar por um valor mínimo), dizemos que o limite
de f (x) quando x tende a menos innito é menos innito. Utilizamos a seguinte notação para
dizer isso:
lim f (x) = −∞
x→−∞

Um exemplo de função de tem esse comportamento é f (x) = −x2 .


CAPÍTULO 2. LIMITES 61

∞ 25

20

15

10

-4 -2 2 4

Figura 2.5: Limites innitos no innito.

Examinemos o gráco da função f (x) = x2 , exibido na gura 2.5. Essa gura torna visível que
a função vai para ∞ tanto quando x → ∞ quanto quando x → −∞. O leitor interessado poderá
2
elaborar um raciocínio intuitivo capaz de explicar que a função f (x) = x de fato vai para ∞ quando
x vai para ∞ ou para −∞ com base na observação de que não existe nenhum valor fmax capaz de
ser sempre maior que f (x); sempre existirá algum x que fará f (x) ultrapassar fmax .
Outro conjunto de possibilidades que ocorre com frequência é:

ˆ Se, quando x → ∞, o valor de f (x) se aproxima de uma constante K nita. A seguinte


notação é utilizada para expressar essa situação:

lim f (x) = K
x→∞

Um exemplo dessa situação ocorre para a função:


x
f (x) = √
2
x +1
Essa função se aproxima de K = 1 quando x cresce para ∞.
ˆ Se, quando x → −∞, o valor de f (x) se aproxima de uma constante K nita. A seguinte
notação é utilizada para expressar essa situação:

lim f (x) = K
x→−∞

Um exemplo dessa situação ocorre para a mesma função anterior:


x
f (x) = √
x2 + 1
Essa função se aproxima de K = −1 quando x vai para −∞.
CAPÍTULO 2. LIMITES 62

1 1

0.5

-6 -4 -2 2 4 6

-0.5

−1 -1

Figura 2.6: Limites nitos no innito.

A gura 2.6 mostra o gráco da função:

x
f (x) = √
x2+1
O gráco sugere que, de fato, ocorrem:

lim f (x) = 1 lim f (x) = −1


x→∞ x→−∞

O leitor mais curioso poderá seguir um raciocínio intuitivo para compreender por quê o limite da
função f (x) é igual a 1 quando x → ∞. Em linhas gerais, basta observar que: (i) quando x cresce,
f (x) também cresce; (ii) f (x) é sempre menor que 1; e (iii) sempre será possível encontrar um valor
de x que fará f (x) car maior que qualquer valor menor que 1.
Para concluir nossa discussão sobre limites no innito, é preciso acrescentar que as funções
podem apresentar outros comportamentos distintos desses mencionados anteriormente. Vejamos
por exemplo a gura 2.7, que mostra os grácos das funções f (x) = sen(x) e f (x) = x sen(x). No
caso da função f (x) = sen(x), o valor de f (x) ca sempre oscilando entre o valor mínimo de −1 e o
valor máximo de 1, sem nunca convergir para algum número entre esses dois valores. Já no caso da
função f (x) = x sen(x), o valor de f (x) nem sequer é limitado, podendo oscilar entre −∞ e +∞.
Nesse caso, o limite de f (x) quando x vai para innito não é nem −∞ nem +∞.

2.3 Propriedades de limites


Nesta seção, são enunciadas algumas propriedades que auxiliam a realização de cálculos para a
determinação de limites. Assumimos que os seguintes limites existam, tendo como resultado números
CAPÍTULO 2. LIMITES 63

1.5 20

10

0.5

-20 -10 10 20 -20 -10 10 20

-0.5

-10

-1

-1.5 -20

(a) (b)

Figura 2.7: Quando limites no innito não existem: (a) f (x) = sen(x); (b) f (x) = x sen(x).

nitos L1 e L2 :
lim f (x) = L1 lim g(x) = L2
x→a x→a
As seguintes propriedades são válidas:

1. O limite de uma soma de funções é a soma dos limites:

lim [f (x) + g(x)] = lim f (x) + lim g(x) = L1 + L2


x→a x→a x→a

2. O limite de uma diferença de funções é a diferença dos limites:

lim [f (x) − g(x)] = lim f (x) − lim g(x) = L1 − L2


x→a x→a x→a

3. O limite de uma constante multiplicando uma função é a constante multiplicando o limite


dessa função:
lim [c · f (x)] = c · lim f (x) = c · L1
x→a x→a

4. O limite de um produto de funções é o produto dos limites:

lim [f (x) · g(x)] = lim f (x) · lim g(x) = L1 · L2


x→a x→a x→a

5. O limite de um quociente de funções é o quociente dos limites, desde que o limite no denomi-
nador não seja nulo:
 
f (x) limx→a f (x) L1
lim = = ; se L2 6= 0
x→a g(x) limx→a g(x) L2

6. O limite de uma função composta com outra função é a primeira função composta com o
limite da outra função:  
lim f (g(x)) = f lim g(x)
x→a x→a
CAPÍTULO 2. LIMITES 64

Em todos os casos acima, a pode tanto ser uma constante nita como também +∞ ou −∞.

Exemplo 2.1 O limite a seguir:


lim exp(x) + 2
x→0

pode ser calculado observando que:


lim exp(x) = 1
x→0
e que
lim 2 = 2
x→0

Assim:
lim exp(x) + 2 = 3
x→0

Exemplo 2.2 O limite a seguir:  


1
lim − ln(x)
x→1 x

pode ser calculado observando que:


1
lim =1
x→1 x
e que
lim ln(x) = 0
x→1

Assim:  
1
lim − ln(x) = 1
x→1 x

Exemplo 2.3 O limite a seguir: p


lim ln(x) + 4
x→1

pode ser calculado observando que:


lim ln(x) = 0
x→1
e que
lim 4 = 4
x→1

Assim:
lim (ln(x) + 4) = 4
x→1

Finalmente: p q √
lim ln(x) + 4 = lim (ln(x) + 4) = 4=2
x→1 x→1


CAPÍTULO 2. LIMITES 65

Se os limites de f (x) ou de g(x) resultarem em +∞ ou −∞, em alguns casos há relações


permitem a determinação dos limites da soma, subtração, produto por constante, produto de funções
ou quociente de funções. Supondo que c seja uma constante positiva, temos:

Operação Resultado

+∞ + c +∞
−∞ + c −∞
+∞ − c +∞
−∞ − c −∞
+∞ + ∞ +∞
−∞ − ∞ −∞
c·∞ +∞
c · (−∞) −∞
−c · ∞ −∞
−c · (−∞) +∞
+∞ · (+∞) +∞
+∞ · (−∞) −∞
−∞ · (−∞) +∞
+∞
+∞
c
−∞
−∞
c
+∞
−∞
−c
−∞
+∞
−c
c
0
+∞
c
0
−∞
−c
0
+∞
−c
0
−∞

É preciso mencionar que em outros casos o resultado é indeterminado, como por exemplo: ∞−∞
ou ∞/∞.
Exemplo 2.4 O limite a seguir: p
lim exp(−x) + 4
x→∞
CAPÍTULO 2. LIMITES 66

pode ser calculado observando que:


lim exp(−x) = 0
x→∞
e que
lim 4 = 4
x→∞

Assim:
lim (exp(−x) + 4) = 4
x→∞

Finalmente: p q √
lim exp(−x) + 4 = lim (exp(−x) + 4) = 4 = 2
x→∞ x→∞

Exemplo 2.5 O limite a seguir:



 
1
lim x+1+
x→∞ 2x
pode ser calculado observando que:

lim x + 1 = +∞
x→∞
e que
1
lim =0
x→∞ 2x
Assim:

 
1
lim x+1+ =∞
x→∞ 2x

2.4 Calculando limites com o sistema Sage


No sistema Sage, o cálculo do valor de um limite é feito utilizando-se o comando limit. Suponha-se
que a função f (x) já tenha sido denida e que deseja-se calcular o limite de f (x) quando x tende a
um número a.
L = lim f (x)
x→a
O resultado do cálculo deve ser armazenado na variável L. A execução desse cálculo no Sage é feito
da seguinte forma:

> L = limit(f,x=a)
> print(L)

Na primeira linha, é feito o cômputo do limite. O comando limit recebe como entradas o nome
da função, f, e o valor a para o qual a variável x deverá tender. O resultado é armazenado na
variável L. Na segunda linha, o comando print é utilizado para fazer com que o valor armazenado
na variável L seja exibido. Para exemplicar, vamos calcular o seguinte limite:

1
L = lim √
x→10 x2 −1
O código para o cálculo deste limite é o seguinte:
CAPÍTULO 2. LIMITES 67

> f(x) = sqrt(x2 - 1)


> L = limit(f,x=5)
> print(L)

A execução desse código gera o seguinte resultado:


x 7→ 2 6


A expressão 2 6 representa o valor exato do limite solicitado.
A utilização do comando limit desta forma pressupõe que os limites laterais à esquerda e à
direita sejam iguais. Caso os limites laterais sejam diferentes, ou seja, caso ocorra:

lim f (x) 6= lim f (x)


x→a− x→a+

torna-se necessário especicar qual desses limites se deseja calcular. Nesse caso, o comando limit
do Sage deve ser utilizado da seguinte forma:

> L1 = limit(f,x=a,dir='left')
> L2 = limit(f,x=a,dir='right')
> print(L1,L2)

Nas duas primeiras linhas, são calculados os limites laterais, respectivamente à esquerda e à
direita. O limite lateral à esquerda é armazenado na variável L1, e o limite lateral à direita é
armazenado na variável L2. Na terceira linha, o comando print faz com que os resultados, que se
encontram armazenados nas variáveis L1 e L2, sejam exibidos. Para exemplicar a utilização do
comando limit em tal situação, os limites a seguir serão calculados:

1
L1 = lim
x−1
x→1+
1
L2 = lim
x→1− x − 1

Para calcular esses limites, o seguinte código será utilizado:

> f(x) = 1/(x-1)


> L1 = limit(f,x=1,dir='right')
> L2 = limit(f,x=2,dir='left')
> show(L1)
> show(L2)

O resultado produzido pela execução desse código é o seguinte:

x 7→ +∞
x 7→ −∞
CAPÍTULO 2. LIMITES 68

Finalmente, examinamos o caso em que se deseja calcular os limites quando x tende a innito,
ou seja:
L1 = lim f (x)
x→+∞

L2 = lim f (x)
x→−∞

O comando limit deve ser usado da seguinte forma para tratar essas situações:

> L1 = limit(f,x=infinity)
> L2 = limit(f,x=-infinity)
> print(L1,L2)

Nas duas primeiras linhas, são calculados os limites quando o valor de x tende respectivamente
para ∞ e para −∞. O primeiro é armazenado na variável L1, e o segundo é armazenado na variável
L2. Na terceira linha, o comando print faz com que os resultados, que se encontram armazenados
nas variáveis L1 e L2, sejam exibidos. Um exemplo dessa situação é o cálculo do seguinte limite:

1
lim
x→−∞ 1 − exp(x)

O código a seguir faz o cálculo desse limite:

> f(x) = 1/(1 - exp(x))


> L = limit(f,x=-infinity)
> show(L)

O resultado da execução desse código é o seguinte:

x 7→ 1
CAPÍTULO 2. LIMITES 69

2.5 Exercícios
Questão 1: Calcule os limites a seguir:

1. lim x
x→+∞

2. lim x
x→4

3. lim x
x→0+

4. lim x2
x→−∞

5. lim x2
x→2

6. lim x2
x→+∞

7. lim ex
x→−∞

8. lim ex
x→0

9. lim ex
x→+∞

10. lim ln(x)


x→0+

11. lim ln(x)


x→1

12. lim ln(x)


x→+∞

1
13. lim
x→−∞ x
1
14. lim
x→0− x
1
15. lim
x→0+ x
1
16. lim
x→1 x
1
17. lim
x→+∞ x

Questão 2: Calcule os limites a seguir:



1. lim x+5
x→+∞
CAPÍTULO 2. LIMITES 70


2. lim x+5
x→4

3. lim 3 x
x→0+

x2
4. lim
x→−∞ 2

5. lim (x + 1)2
x→2

6. lim (x + 1)2
x→+∞

7. lim −ex
x→−∞

8. lim ex + 5
x→0

9. lim e−x
x→+∞

10. lim ln(3x)


x→0+

11. lim ln(3x)


x→1

12. lim 3 ln(x)


x→+∞

3
13. lim
x→−∞ x
1
14. lim
x→0− x+1
1
15. lim
x→0+ 3x
1
16. lim
x→1 3x

1
17. lim −
x→+∞ x

Questão 3: Calcule os limites a seguir:



1. lim x + ex
x→+∞

2. lim x · x2
x→4

3. lim x − ln(x)
x→0+

x2
4. lim
x→−∞ ex + 1
CAPÍTULO 2. LIMITES 71

x2
5. lim
x→2 (x − 2)2

6. lim x2 · ln(x)
x→+∞

ex
7. lim
x→−∞ x

ex
8. lim
x→0− x
2
9. lim ex −
x→+∞ x
2
10. lim ln(x) −
x→0+ x
11. lim ln(x) · (x2 + 2x + 1)
x→1

12. lim ln(x) − e−x


x→+∞

1
13. lim
x→−∞ ex
1
14. lim
x→2− x−2
1
15. lim
x→2+ x−2
1
16. lim
x→1 x−2
1
17. lim
x→+∞ x−2

Questão 4: Os limites mostrados abaixo são de tipos que não foram abordados neste texto, e que
portanto não serão solicitados em avaliações desta disciplina. Incentivamos que o estudante
mais interessado tente descobrir como calculá-los, primeiro simplesmente por meio de raciocínio e
pelo exame dos grácos das funções envolvidas. Nos casos em que for necessário, qualquer livro
de Cálculo I poderá ser consultado. Alertamos ainda que, em alguns casos, a técnica formal de
resolução desses limites faz uso do conceito de derivadas, que será mostrado no próximo capítulo.

x
1. lim
x→+∞ ex
2. lim x2 − ln(x)
x→+∞

3. lim e−x · cos(x)


x→+∞
CAPÍTULO 2. LIMITES 72

x2 − 1
4. lim
x→1+ ln(x)
ex−2 − 1
5. lim
x→2− (x − 2)2
x2 + 2x − 5
6. lim
x→+∞ x3 − 7x + 1

2x3 + 2x − 5
7. lim
x→+∞ x3 − 7x + 1

−x4 + 2x − 5
8. lim
x→+∞ x3 − 7x + 1
Capítulo 3

Derivadas

3.1 Taxa de variação


A ideia de taxa de variação procura relacionar como a variação de uma grandeza se relaciona com a
variação de outra grandeza. Vamos imaginar uma grandeza y, que sofre variação à medida em que
uma variável x x é designada por ∆x e a variação de y , designada por
varia. A variação da variável
∆y . A notação∆y , que é pronunciada delta y, signica a diferença entre o valor de y no momento
atual e o seu valor em um momento inicial, indicado por y0 . O mesmo ocorre para ∆x, que signica
a diferença entre o valor atual de x e seu valor inicial, indicado por x0 :

∆y = y − y0 ∆x = x − x0

Nós queremos entender como ∆x e ∆y se relacionam. Suponhamos que a variação em y seja


proporcional à variação em x. Nesse caso:

∆y = a · ∆x

onde a é a constante de proporcionalidade. Essa expressão pode ser reescrita da seguinte forma:

y − y0 = a · (x − x0 )

Os exemplos 3.1 e 3.2, a seguir, ilustram situações nas quais apareceriam relações desse tipo.

Exemplo 3.1 Uma companhia de distribuição de água cobra de seu clientes uma tarifa de R$10, 00 por
cada metro cúbico de água consumido. No local onde ca o consumidor, há um medidor de água que mede o
total de água fornecido desde o momento em que o medidor foi instalado. Esse total será designado por x.
A variável y, por sua vez, irá designar o montante total pago pelo cliente, desde que o serviço foi iniciado,
sendo incluído no valor, além do consumo de água medido, também uma taxa cobrada pela instalação do
medidor. No início de um determinado mês, o total de água já consumido pelo cliente desde o início do
serviço era dado por x0 = 15. No mesmo momento, o total já cobrado desse consumidor pela companhia era
y0 = 250. O valor a ser cobrado pela companhia ao nal desse mês será dado por:

y − y0 = 10(x − x0 ) ∴ y − 250 = 10(x − 15)

Ou seja, o montante total que já terá sido pago pelo cliente, após esse mês, será dado por y, enquanto o
montante pago apenas no nal desse mês, como pagamento pelo consumo de água nesse mês, será dado por

73
CAPÍTULO 3. DERIVADAS 74

300

250

(x, y)
200
∆y
(x0 , y0 )
150
∆x
100

50

5 10 15 20

Figura 3.1: Total cobrado do cliente, y, como função do total de água consumida, x.

y − y0 . O total de água consumido ao longo de todo o tempo em que o medidor esteve instalado, após o nal
do mês, é dado por x, enquanto que o total do consumo apenas nesse mês é dado por x − x0 . Simplicando
a equação acima, obtemos:
y = 10x + 100
A taxa de variação de y em relação a x é igual a 10. O gráco que mostra y em função de x é mostrado na
gura 3.1. Nesse exemplo, a taxa de variação de y em relação a x é constante, ou seja, o acréscimo de um
determinado consumo extra de água custará sempre 10 vezes o volume extra consumido, qualquer que tenha
sido esse consumo. Em situações como esta, o gráco de y em função de x será uma reta. A expressão que
relaciona y com x, claro, será a equação de uma reta. A inclinação dessa reta é igual à taxa de variação, ou
seja, 10. ♦

Exemplo 3.2 Um veículo se move a uma velocidade constante de 60 quilômetros por hora. Às 10 horas da
manhã, esse veículo estava passando exatamente pela placa que indica o quilômetro 120"em uma rodovia.
A expressão que indica a posição do carro, y, como função do tempo t, é dada então por:

∆y = 60∆t

(y − y0 ) = 60(t − t0 )
Substituindo os valores y0 = 120 e t0 = 10, temos:

y − 120 = 60(t − 10)


ou ainda:
y = 60t − 480
Essa expressão corresponde à equação de uma reta cuja inclinação é igual a 60. A taxa de variação de y
em relação a t é igual a esse valor de inclinação, que é a mesma coisa que a constante de proporcionalidade
entre ∆y e ∆t, ou seja, é igual a 60. A gura 3.2 mostra o gráco da função y(t). ♦
CAPÍTULO 3. DERIVADAS 75

400

350

300

250 (t, y)
200
∆y
150
(t0 , y0 )
100 ∆t
50

0
9 10 11 12 13 14 15

Figura 3.2: Posição do veículo, y, como função do tempo t.

Nos exemplos 3.1 e 3.2, foram mostradas situações em que a taxa de variação de uma grandeza em
relação a outra grandeza é constante. Nesse tipo de situação, a relação que descreve a dependência
da primeira grandeza em relação à segunda é uma função linear, cuja expressão é do tipo:

y(x) = a · x + b

O gráco dessa função é uma reta. A inclinação dessa reta é dada pelo parâmetro a da equação.
Essa inclinação, ou seja, esse parâmetro a, corresponde à chamada taxa de variação de y em relação
a x.
CAPÍTULO 3. DERIVADAS 76

150

100

50

50 100 150 200 250

Figura 3.3: Valor a pagar pela conta de energia elétrica, y, como função do consumo x.

3.1.1 Taxa de variação variável


Há situações em que a taxa de variação não é xa. Uma situação desse tipo é mostrada no exemplo
3.3.

Exemplo 3.3 Uma concessionária de energia elétrica vende energia para consumidores residenciais de
acordo com uma tabela de preços que variam de acordo com a faixa de consumo do cliente. Os preços
praticados são mostrados na tabela a seguir:

consumo mensal preço


até 100 kWh R$ 0,30 por kWh
100 kWh a 200 kWh R$ 0,70 por kWh
acima de 200 kWh R$ 1,30 por kWh

De acordo com essa tabela, um cliente que consumisse por exemplo 400 kWh em um mês iria pagar: 100 ×
R$0,30 = R$30,00 pelos primeiros 100 kWh, 100 × R$0,70 = R$70,00 pelos 100 kWh a seguir, e 200 ×
R$1,30 = R$260,00 pelos restantes 200 kWh. A gura 3.3 mostra o gráco da curva que relaciona o valor a
pagar pela conta de energia elétrica, y, com o consumo total de eletricidade x.
A expressão que descreve essa função é dada por:

 0,30 x ; x < 100
y(x) = 0,70 (x − 100) + 30 ; 100 ≤ x < 200
1,30 (x − 200) + 100 ; x ≥ 200

O estudante interessado irá facilmente vericar que essa expressão produz os mesmos resultados que a apli-
cação da tabela. Sugere-se que o estudante tente compreender porquê as duas coisas são equivalentes (o
raciocínio não é difícil, e requer apenas conhecimentos referentes ao ensino médio).
Chama-se a atenção para que cada uma das três expressões que compõem a descrição de y(x) corresponde
CAPÍTULO 3. DERIVADAS 77

à equação de uma reta: 


 0,30 x ; x < 100
y(x) = 0,70 x − 40 ; 100 ≤ x < 200
1,30 x − 160 ; x ≥ 200

ou seja, cada uma dessas expressões tem a forma:

y =a·x+b
Cada equação de reta vale em um intervalo da variável x. Agora, podemos notar que a taxa de variação de
y em relação a x assume três valores diferentes. Esses valores são mostrados na tabela a seguir.

Intervalo Taxa de variação de y em relação a x


0 < x < 100 0,30 reais por kWh
100 < x < 200 0,70 reais por kWh
x > 200 1,30 reais por kWh

Essas taxas de variação correspondem às inclinações das três retas que compõem o gráco de y(x), ou seja,
correspondem às constantes que multiplicam a variável x nas equações das retas. Na equação da reta, essas
constantes correspondem ao parâmetro a, que representa a inclinação da reta. ♦

O exemplo 3.4 apresenta outra situação em que a taxa de variação de uma grandeza varia.

Exemplo 3.4 Um veículo se move a uma velocidade constante de 60 quilômetros por hora. Às 10 horas da
manhã, esse veículo estava passando exatamente pela placa que indica o quilômetro 120"em uma rodovia.
Às 12 horas, o veículo entra em um trecho da estrada em que a velocidade máxima é de 40 quilômetros por
hora; o motorista então reduz imediatamente a velocidade para esse valor máximo permitido. Às 14 horas, o
veículo chega nalmente a um trecho da estrada no qual é permitida a velocidade máxima de 100 quilômetros
por hora, e o motorista imediatamente coloca o veículo nessa velocidade máxima permitida.
A expressão que indica a posição do carro, y , como função do tempo t, é dada por:

 60t − 480 ; t < 12
y(t) = 40t − 240 ; 12 < t < 14
100t − 1080 ; t > 14

A gura 3.4 mostra o gráco da função y(t). É fácil vericar que essa formulação para y(t), construída
com três expressões diferentes, atende ao enunciado acima. Note-se que quando t = 12 tanto a primeira
expressão quanto a segunda expressão indicam que y(12) = 240 (o que é coerente com o enunciado que diz
que às 10 h o veículo estava na posição 120, e durante as duas horas seguintes se manteve à velocidade de
60 km/h, chegando à posição 240 duas horas depois). Quando t = 14, tanto a segunda expressão quanto
a terceira indicam y(14) = 320, o que também é coerente com o enunciado. Fazemos uma pergunta para o
leitor interessado: como se fazem as contas para determinar os valores de −480, −240 e −1080 que aparecem
nas três expressões?
É fácil perceber que as três expressões que representam a função y(t) em diferentes intervalos da variável
t têm a forma da equação de uma reta:
y =a·t+b
As taxas de variação de y em relação a t em cada intervalo, que correspondem à inclinação a da reta
correspondente ao intervalo, são mostradas na tabela abaixo:

Intervalo Taxa de variação de y em relação a t


t < 12 60 km/h
12 < t < 14 40 km/h
t > 14 100 km/h

Novamente, é fácil perceber que essas taxas de variação correspondem aos valores que o parâmetro a,
que representa a inclinação da reta, assume em cada intervalo. ♦
CAPÍTULO 3. DERIVADAS 78

500

400

300

200

100

0
10 11 12 13 14 15 16

Figura 3.4: Posição do veículo, y, em quilômetros, como função do tempo t.

3.1.2 Interpretação da taxa de variação


O objetivo do conjunto de exemplos mostrados nas seções anteriores era o de permitir uma compre-
ensão a respeito do que signica a taxa de variação de uma função. Expressando em palavras esse
signicado, podemos dizer:

Taxa de variação: A taxa de variação de uma função y em relação à variável x representa o quão
rapidamente o valor de y varia quando o valor de x é variado.

Nós já vimos que o valor numérico que representa a taxa de variação de uma função y em relação
à variável x, quando a relação entre y e x é descrita pela equação de uma reta (y = a · x + b) é o
parâmetro a da equação da reta, também chamado de inclinação dessa reta. Fazemos as seguintes
perguntas para o leitor:

1. Por que o parâmetro a dessa equação signica um valor que indica o quão rápido y varia
quando x varia?

2. Por que o parâmetro b dessa equação não tem esse signicado?

3.1.3 Taxa de variação instantânea


Nós temos de tratar agora uma questão que, a esta altura, provavelmente já deve estar incomodando
o leitor: como podemos tratar da taxa de variação de funções cujos grácos não sejam retas? Anal,
embora seja até possível que um carro viaje a exatos 60 quilômetros por hora durante duas horas,
e depois a exatos 40 quilômetros por hora por mais duas horas, na prática é muito pouco provável
que uma situação assim seja vista. Na verdade, é muito mais plausível que a velocidade de um carro
CAPÍTULO 3. DERIVADAS 79

250

200

150

100

50

1 ta 2 tb 3 tc 4 5

Figura 3.5: Posição do veículo, y , em quilômetros, como função do tempo t. A velocidade do veículo
vai aumentando do início até o instante ta . Entre os instantes ta e tb o veículo vai diminuindo sua
velocidade. Entre os instantes tb e tc a velocidade novamente vai aumentando. Por m, depois de
tc a velocidade vai diminuindo.

em movimento em uma estrada vá mudando de instante para instante: às vezes o motorista acelera,
às vezes ele tem de freiar, e isso irá ocorrer todo o tempo ao longo de um trajeto de várias horas de
duração.
Uma situação como essa é ilustrada na gura 3.5. Essa gura ilustra o gráco da distância y
percorrida por um veículo como função do tempo t, sendo que a velocidade do veículo vai mudando
continuamente ao longo do tempo. Do início do trajeto até o instante ta , nota-se que a velocidade
do veículo vai aumentando. Isso pode ser constatado de maneira clara se notarmos que o gráco
tem linhas de grade que servem de referência para analisarmos o que acontece. Nesse intervalo, a
cada vez que o tempo avança uma subdivisão (ou seja, um aumento constante em t), temos que
a variável y sempre cresce mais do que havia crescido na subdivisão anterior. Ou seja, a taxa de
variação de y em relação a t está aumentando à medida em que t aumenta no intervalo 0 < t < ta .
Observando agora o intervalo ta < t < tb , podemos notar que a cada vez que avançamos uma
subdivisão das linhas de grade do gráco, a variável y cresce um pouco menos do que havia crescido
na subdivisão anterior. Isso signica que nesse intervalo a taxa de variação de y em relação a t
está diminuindo, à medida em que t aumenta. O mesmo tipo de análise irá levar à conclusão de
que a taxa de variação de y em relação a t vai aumentando à medida em que t cresce no intervalo
tb < t < tc , e vai diminuindo à medida em que t cresce no intervalo t > tc .
Até agora, enquanto falamos apenas de retas ou de funções cuja composição seria formada por
várias retas, denir a taxa de variação da função como sendo a inclinação da reta pareceu bastante
adequado. Mas funções em geral podem ter grácos curvos: como fazer nesse caso? Um dos grandes
CAPÍTULO 3. DERIVADAS 80

250

200

150

100

50

1 2 3 4 5

Figura 3.6: Gráco da função y(t), superposto ao gráco de uma função ŷ(t) que aproxima y(t) por
intervalos, com uma aproximação linear em cada intervalo.

saltos conceituais da Matemática, obtido simultaneamente por Newton e por Leibniz no nal do
século XVII, foi precisamente a descoberta de uma resposta para essa pergunta. Essa resposta
encontra-se na origem da invenção do Cálculo Diferencial e Integral.
Vamos aqui apresentar essa ideia por meio de aproximações sucessivas. Vamos olhar, na gura
3.6, para o mesmo gráco já exibido na gura 3.5. Agora, nós olhamos para o valor da função y(t)
quando a variável t assume os valores 0, 1, 2, 3, 4 e 5. Marcamos esses pontos no gráco, e traçamos
trechos de retas que ligam esses pontos.
Deve car claro que cada uma dessas retas será representada por uma equação do tipo:

ŷ = a · t + b

sendo que cada reta terá seus próprios parâmetros a e b. Utilizamos a notação ŷ(t) para representar
a função representada por cada um desses trechos de retas, assim distinguindo essa função da função
original que era representada por y(t). A taxa de variação de cada uma das retas, que corresponde
à sua inclinação, será dada pelo parâmetro a de cada reta. O aspecto importante a ser observado
nessa gura é que o valor da taxa de variação da função y(t), observada instante a instante (também
chamada taxa de variação instantânea), em cada intervalo, pode ser aproximado pelo valor da taxa
de variação de ŷ(t) nesse intervalo. É claro que essa aproximação causa um certo erro, mas os
valores de taxas de variação assim obtidos já servem para dar uma ideia de quão rápido a função
y(t) está variando em cada intervalo, conforme mostrado na tabela abaixo:
CAPÍTULO 3. DERIVADAS 81

250

200

150

100

50

1 2 3 4 5

Figura 3.7: Gráco da função y(t), superposto ao gráco de uma função ŷ(t) que aproxima y(t) por
intervalos, com uma aproximação linear em cada intervalo.

intervalo taxa de variação de ŷ


0<x<1 27,41
1<x<2 93,85
2<x<3 25,43
3<x<4 93,85
4<x<5 27,41

Prosseguindo, vamos agora olhar na gura 3.7 um gráco com a mesma função y(t) anterior,
novamente superposto ao gráco de uma função ŷ(t) constituída por várias retas, traçadas de
maneira a passarem por pontos do gráco de y(t). Há, desta vez, muito mais intervalos, obtidos
quando os valores de t são iguais a 0, 0,2, 0,4, . . ., 5.
A gura 3.7 torna visível que as retas que fazem parte de ŷ(t) começam a car bastante próxi-
mas da função y(t), nos respectivos intervalos. Desta forma, as inclinações destas retas passam a
aproximar, com muito menor erro que no caso anterior, as taxas de variação instantâneas da função
y(t) em relação a t dentro de cada intervalo.
O leitor agora é convidado a utilizar a imaginação:

ˆ Pense que cada sub-intervalo mostrado na gura 3.7 poderia ser dividido em intervalos ainda
menores.

ˆ Se se zesse essa nova subdivisão, as retas que passariam a compor o gráco de ŷ(t) cariam
ainda mais próximas da função y(t).
ˆ Continuaria sendo possível subdividir novamente cada intervalo, assim sendo obtidos intervalos
ainda menores, nos quais a aproximação seria ainda melhor. A cada subdivisão, a inclinação
CAPÍTULO 3. DERIVADAS 82

da reta em cada sub-intervalo ca mais adequadamente representativa da taxa de variação


instantânea da função y(t) em relação à variável t, dentro de cada sub-intervalo.

O ponto-chave que é uma das ideias decisivas para a invenção do Cálculo Diferencial e Integral é:

ˆ Imagine que esse processo de subdivisão dos intervalos seja realizado innitas vezes, de forma
que o tamanho de cada intervalo resultante se aproxime de zero.

Esse processo de diminuição sucessiva do tamanho dos intervalos é mostrado na gura 3.8. Nessa
gura apenas um intervalo é mostrado, de maneira a ilustrar o que acontece com a reta que corta o
gráco da função nos extremos desse intervalo. Na parte superior da gura 3.8, são mostrados três
quadros mostrando o gráco de uma função y(t), nos quais é considerado um intervalo dado por:

t0 < t < t0 + δ

sendo que o valor do comprimento do intervalo, δ , é reduzido de quadro para quadro. Nota-se que a
reta que corta o gráco da função nos extremos do intervalo vai cando mais próxima do gráco da
função, à medida em que o intervalo diminui. Essa reta vai pouco a pouco se acomodando em uma
posição nal que será nalmente atingida quando a redução do intervalo for feita innitas vezes, ou
seja, quando o comprimento δ tender a zero.
Na verdade, utilizamos agora aquele conceito discutido no capítulo anterior, os limites:

ˆ Vamos estudar a situação em que o tamanho do intervalo considerado tende a zero, ou seja:
δ → 0.

ˆ Como consequência, esse intervalo considerado, dado por t0 < t < t0 + δ , tende a coincidir
com um único ponto, o ponto t0 .

ˆ Geometricamente, no momento em que o intervalo se reduz a um único ponto, a reta que


cortava o gráco da função nos extremos do intervalo passa a ser a reta tangente ao gráco da
função no ponto t0 .

ˆ A reta que cortava o gráco da função nos extremos do intervalo obedece a uma equação da
reta:y = a · x + b. No limite em que δ → 0, essa reta se torna a reta tangente ao gráco da
função no ponto t0 , e a sua inclinação (dada pelo parâmetro a da equação da reta) tende a
um valor muito bem denido. Esse valor é a taxa de variação instantânea da função y(t) no
ponto t0 .

O quadro inferior da gura 3.8 mostra o gráco da função y(t) e a reta tangente ao gráco no
ponto t = t0 . Essa reta tangente surge como resultado do processo de se tomar o limite quando o
comprimento do intervalo, δ, tende a zero.

3.2 Derivada
Estamos nalmente em posição para denir um dos conceitos centrais do Cálculo Diferencial e
Integral: a derivada.
CAPÍTULO 3. DERIVADAS 83

2 2 2

1.5 1.5 1.5

1 1 1

0.5 0.5 0.5

1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
t0 t0 + δ t0 t0

1.5

0.5

1 2 3 4 5
t0

Figura 3.8: Alto: Gráco da função y(t) e da reta que corta o gráco nos extremos do intervalo
t0 < t < t0 + δ . Os três subgrácos mostram etapas sucessivas do processo de diminuição do
comprimento do intervalo, δ, que vai se aproximando de zero. Baixo: gráco da função y(t) e da
reta tangente ao gráco no ponto t = t0 .
CAPÍTULO 3. DERIVADAS 84

Denição 3.1 (Derivada) A derivada de uma função f (x) em um ponto x0 , indicada por f 0 (x0 ),
é igual à taxa de variação instantânea de f (x) em relação a x no ponto x0 , dada por:

f (x0 + δ) − f (x0 )
f 0 (x0 ) = lim (3.1)
δ→0 δ
Como consequência da discussão feita anteriormente, sabemos ainda que a derivada de uma
função f (x) em um ponto x0 também é igual à inclinação da reta tangente ao gráco de f (x) no
ponto x0 .
Há três tipos de notação que são utilizados para representar a derivada:

notação função derivada derivada segunda

Newton f (t) f˙(t) f¨(t)

df d2 f
Leibniz f (x)
dx d x2

simplicada f (x) f 0 (x) f 00 (x)

A notação proposta por Newton, criada no contexto da representação do movimento de corpos


(a chamada mecânica) representa a derivada de uma função com a colocação de um ponto sobre
o símbolo da função. Essa notação é utilizada hoje principalmente nesse contexto, no qual a maior
parte das derivadas é em relação à variável tempo, representada por t. A notação de Newton deu
origem à notação simplicada, que é a mais utilizada atualmente.
Já a notação de Leibniz foi criada para denotar a interpretação da derivada como uma taxa de
variação:
∆f
∆x
A ideia por detrás dessa notação é que, quando tomamos o limite dessa fração fazendo o valor de
∆x tender a zero, obtemos a derivada, que seria interpretada como:

df
dx
sendo os termos df e dx respectivamente conhecidos como os diferenciais de f e de x, os quais
podem ser intuitivamente entendidos como se fossem respectivamente os limites de ∆f e de ∆x.
Embora pareça mais complicada, a notação de Leibniz é empregada muito frequentemente hoje
em dia. Ela tem a vantagem de permitir a manipulação simbólica dos diferenciais, o que é impor-
tante para a análise de expressões mais complexas, envolvendo derivadas e integrais. No contexto
destas Notas de Aula, tais expressões mais complexas não serão abordadas. No entanto, também
utilizaremos essa notação ao longo deste texto, juntamente com a notação simplicada, para fa-
miliarizar o leitor com ambas as notações  o que é importante para permitir a leitura de textos
contendo expressões matemáticas.

3.2.1 Função derivada


Observando a denição 3.1, deve car evidente para o leitor que f 0 (x), a derivada da função f (x),
0
é ela própria uma função, que associa um valor f (x) para cada valor assumido por x. A função
CAPÍTULO 3. DERIVADAS 85

derivada pode ser então denida como:

f (x + δ) − f (x)
f 0 (x) = lim (3.2)
δ→0 δ
A diferença da expressão (3.2) em relação à expressão (3.1) é que agora a operação de cálculo do
limite é feita para cada ponto x. Assim, é de se esperar que, se conhecermos a expressão da função
f (x), deva ser possível obter a expressão da função f 0 (x) que retorna, para cada valor dex, o valor
da taxa de variação instantânea de f (x), ou seja, a expressão da função derivada de f (x). Isso
normalmente é verdade. Para exemplicar isso, vamos calcular a derivada de uma função bastante
simples:
f (x) = x2
Utilizamos, para fazer o cálculo, a denição de derivada dada pela expressão (3.2):

f (x + δ) − f (x) (x + δ)2 − x2
f 0 (x) = lim = lim
δ→0 δ δ→0 δ
Desenvolvendo a expressão entre parêntesis obtemos:

x2 + 2xδ + δ 2 − x2 2xδ + δ 2
f 0 (x) = lim = lim
δ→0 δ δ→0 δ
Colocamos em evidência δ, e fazemos a simplicação da fração:

(2x + δ)δ
f 0 (x) = lim = lim (2x + δ)
δ→0 δ δ→0

Por m obtemos:
f 0 (x) = lim 2x + lim δ = 2x
δ→0 δ→0

Com isso, mostramos que a derivada de f (x) = x2 é dada por f 0 (x) = 2x.
No entanto, calcular a derivada a partir da denição de derivada, dada pela expressão (3.2),
pode ser um processo difícil e demorado quando estiverem em questão funções mais complicadas.
Por esse motivo, o cálculo de derivadas normalmente é feito utilizando uma outra estratégia, que é
basicamente a seguinte:

ˆ Nós já sabemos que a maioria das funções que surgem quando procuramos descrever fenôme-
nos do mundo real podem ser construídas utilizando as chamadas funções elementares, que
foram apresentadas no primeiro capítulo destas Notas de Aula: as funções polinomiais, as fun-
ções potência, as funções exponenciais, as funções trigonométricas seno e cosseno, as funções
logarítmicas.

ˆ Então, a estratégia para determinação das derivadas de funções em geral envolve primeiro
conhecer as derivadas dessas funções elementares. Isso é feito na seção 3.3.

ˆ A seguir, é preciso saber como utilizar o conhecimento das derivadas de funções elementares
no processo de descobrir a derivada de uma função mais complicada, que tenha sido mon-
tada a partir de funções elementares. Para isso, é preciso entender o que acontece quando
1
funções elementares são: somadas, multiplicadas, divididas, ou compostas . Essa discussão é
apresentada na seção 3.4.

1
Dizemos que a função composta das funções f (x) e g(x) é a função f (g(x)).
CAPÍTULO 3. DERIVADAS 86

ˆ O cálculo da derivada de uma função complicada, construída a partir das funções elementares,
é feito utilizando as expressões das derivadas das funções elementares e das regras que explicam
como a derivada se comporta sob soma, multiplicação, divisão e composição de funções.

Esse procedimento corresponde àquilo que normalmente fazemos quando estamos diante da
tarefa de encontrar a derivada de uma função. As seções 3.3 e 3.4 a seguir são dedicadas a mostrar
como se faz esse procedimento.

Derivadas de ordem superior


Na tabela mostrada no início da Seção 3.2, estão mostradas representações para a função, para
a derivada da função e para a derivada segunda da função. A derivada segunda de uma função é
simplesmente a derivada da derivada dessa função:
 
df
d2 f d dx
=
dx2 dx
de acordo com a notação de Leibniz, ou:

f 00 (x) = [f 0 (x)]0

de acordo com a notação simplicada.


É claro que é possível continuar calculando a derivada da derivada segunda de uma função,
assim obtendo-se a derivada terceira, e assim por diante. Em geral, a derivada de ordem n, ou seja,
o resultado de se derivar a função e depois o resultado da derivada, e depois o resultado dessa outra
derivada, e assim por diante até que tenham sido feitas n derivações, é representado da seguinte
forma:  
d(n−1) f
dn f d dx(n−1)
n
=
dx dx
de acordo com a notação de Leibniz, ou:

f (n) (x) = [f (n−1) (x)]0

de acordo com a notação simplicada.


Embora seja fácil calcular derivadas de ordem superior, usando exatamente os mesmos procedi-
não será enfatizado
mentos empregados para o cálculo de derivadas, esse tipo de procedimento
neste texto, e também não será cobrado nas avaliações desta disciplina.

3.3 Derivadas de funções elementares


No primeiro capítulo destas Notas de Aula foi apresentada uma lista das chamadas funções elemen-
tares, que são importantes porque elas são os elementos a partir dos quais a maioria das funções que
são importantes para representar fenômenos do mundo real são construídas. A tabela 3.1 mostra
as expressões das derivadas dessas funções elementares.
A dedução dessas expressões para as funções derivadas das funções elementares, a partir da
denição de função derivada dada pela equação (3.2) pode ser encontrada em livros de Cálculo.
Nesta seção, examinaremos as expressões das funções derivadas mostradas na tabela 3.1.
CAPÍTULO 3. DERIVADAS 87

Tabela 3.1: Expressões das derivadas de funções elementares.

df
f (x)
dx

c 0

xn nxn−1

xa axa−1

ex ex

1
ln(x)
x

sen(x) cos(x)

cos(x) − sen(x)

3.3.1 Função constante


A função constante é a função em que, para todo valor de x, f (x) retorna sempre o mesmo valor
constante c:
f (x) = c
De acordo com a tabela 3.1, a derivada de f (x) neste caso é dada por:

f 0 (x) = 0

O gráco da função constante f (x) = 1 é mostrado na gura 3.9. A mesma gura mostra também o
gráco da derivada dessa função, sendo f 0 (x) = 0. Conforme a discussão já realizada anteriormente,
notamos que:

ˆ A derivada representa a taxa de variação da função. Como a função constante, f (x) = c, não
varia, sua taxa de variação é igual a zero, o que está de acordo com a expressão f 0 (x) = 0.

ˆ A derivada de uma função também pode ser interpretada como a inclinação da reta tangente
ao gráco de uma função. A função f (x) = c tem um gráco que corresponde a uma reta
horizontal. A reta tangente a uma reta é a própria reta. Como a inclinação de uma reta
horizontal é igual a zero (ou seja, o coeciente a da expressão y = ax + b é igual a zero), então
a derivada da função f (x) = c é dada pela
0
função f (x) = 0.

3.3.2 Função xn
Examinamos agora o caso da função
f (x) = xn
CAPÍTULO 3. DERIVADAS 88

1.5
f(0 x) = 1
f (x) = 0

0.5

-3 -2 -1 1 2 3

-0.5

Figura 3.9: Gráco da função f (x) = 1, superposto ao gráco de sua derivada f 0 (x) = 0.

sendo n um número inteiro positivo. Para esta função, a tabela 3.1 indica que a sua função derivada
é dada por:
f 0 (x) = nxn−1
ou seja, o procedimento para determinação da derivada desta função pode ser enunciado da seguinte
forma:

1. Toma-se o expoente n da função f (x) = xn .


2. A função f 0 (x) é montada como n vezes x elevado ao valor n − 1.
Alguns exemplos de aplicação desta regra, para diferentes valores do expoente n, são mostrados
a seguir:

n f (x) f 0 (x)

1 x1 = x 1x1−1 = 1x0 = 1

2 x2 2x2−1 = 2x

3 x3 3x3−1 = 3x2

4 x4 4x4−1 = 4x3

É interessante examinar como os grácos dessas funções se relacionam com os grácos de suas
respectivas derivadas. A gura 3.10 mostra o gráco da função f (x) = x3 superposto ao gráco
CAPÍTULO 3. DERIVADAS 89

f(x) = x 3
f 0 (x) = 3x 2
100

50

-4 -2 2 4

-50

-100

Figura 3.10: Gráco da função f (x) = x3 , superposto ao gráco de sua derivada f 0 (x) = 3x2 .

de sua derivada f 0 (x) = 3x2 . É importante que o leitor examine essa gura em busca das relações
existentes entre os grácos de f (x) e de f 0 (x). Algumas relações a serem observadas são:

ˆ A reta tangente ao gráco da função f (x) = x3 é (quase) sempre inclinada para cima (ou
seja, a reta tangente sempre cresce da esquerda para a direita do gráco). Isso signica que
a inclinação da reta tangente é (quase) sempre positiva, ou ainda que a derivada de f (x) é
(quase) sempre positiva.

ˆ De fato, se olharmos para o gráco de f 0 (x), veremos que para quase todo valor de x temos
0
que f (x) > 0. Existe um único ponto em que ocorre uma exceção: quando x = 0, a expressão
f (x) = 3x2 ca f 0 (0) = 0. Isso signica que a reta tangente ao gráco de f (x) no ponto x = 0
0

tem inclinação igual a zero, ou seja, é uma reta horizontal.

ˆ Quando olhamos para o gráco de f (x) na região em que x < 0, vemos que a inclinação da
reta tangente vai diminuindo à medida em que x se aproxima de zero. Essa observação está
de acordo com o gráco de f 0 (x), que indica que o valor de f 0 (x), mesmo sendo positivo, vai
diminuindo à medida em que x se aproxima de zero quando x < 0.

ˆ Já quando olhamos para o gráco de f (x) na região em que x > 0, vemos que a inclinação
da reta tangente vai aumentando à medida em que x cresce. Essa observação também está de
acordo com o gráco de f 0 (x), que indica que o valor de f 0 (x) vai crescendo à medida em que
x cresce, quando x > 0.
CAPÍTULO 3. DERIVADAS 90

3.3.3 Função xa
Consideremos agora a função:
f (x) = xa
sendo que desta vez a constante a que aparece no expoente de x é um número real qualquer. A
tabela 3.1 indica que a regra de cálculo da derivada f 0 (x), neste caso, é muito parecida com a regra
de cálculo anteriormente examinada:
f 0 (x) = axa−1
O procedimento de determinação da derivada, neste caso, é idêntico ao anterior:

1. Toma-se o expoente a da função f (x) = xa .

2. A função f 0 (x) é montada como a vezes x elevado ao valor a − 1.

Alguns exemplos de aplicação desta regra, para diferentes valores não inteiros do expoente a, são
mostrados a seguir:

a f (x) f 0 (x)

1 2
−2 x−2 = −2x−2−1 = −2x−3 = −
x2 x3
1 1
−1 x−1 = −1x−1−1 = −x−2 =− 2
x x
1 1 1 1 1 1 1 3 1 1
− x− 2 = 1=√ − x− 2 −1 = − x− 2 = − 3 = − √
2 x2 x 2 2 2x 2 2 x3

1 1 1 1 1 1 1 4 1 1
− x− 3 = 1= √
3
− x− 3 −1 = − x− 3 = − 4 = − √
3
3 x3 x 3 3 3x 3 3 x4

1 1 √ 1 1 −1 1 − 1 1
x2 = x x2 = x 2 = √
2 2 2 2 x

1 1 √ 1 1 −1 1 − 2 1 1
x3 = 3
x x3 = x 3 = 2 = √
3
3 3 3 3x 3 3 x2

4 4 √
3 4 4 −1 4 1 4√
x3 = x4 x3 = x3 = 3 x
3 3 3 3

π xπ πxπ−1

É claro que, para valores inteiros do expoentea, a regra para cálculo da derivada de xa é a mesma
n
coisa que a regra para cálculo da derivada de x .
1
A gura 3.11 mostra o gráco da função f (x) = x 3 superposto ao gráco de sua derivada
2
f 0 (x) = 13 x− 3 .
CAPÍTULO 3. DERIVADAS 91

f(x) = x 1/3
f 0 (x) = (1/3)x −2/3
4

0 0.5 1 1.5 2 2.5 3

1 2
Figura 3.11: Gráco da função f (x) = x 3 , superposto ao gráco de sua derivada f 0 (x) = 31 x− 3 .
CAPÍTULO 3. DERIVADAS 92

3
f(x) = f 0 (x) = e x
y=x

-4 -3 -2 -1 1 2

-1

Figura 3.12: Gráco da função f (x) = ex . A derivada dessa função é ela própria: f 0 (x) = ex .
Também é mostrada a reta tangente ao gráco de f (x) em x = 0.

3.3.4 Função exponencial


Agora iremos examinar a função exponencial:

f (x) = ex

Esta função é bastante peculiar: é a única função cuja derivada é a própria função. Isso signica
que:
f 0 (x) = ex
A gura 3.12 mostra o gráco da função f (x) = ex superposto ao gráco da reta tangenge à curva de
ex em x = 0. Deve-se notar que f (0) = e0 = 1, ou seja, a tangência ocorre no ponto de coordenadas
(0, 1). O leitor é convidado a acompanhar o gráco de f (x) = ex , vericando de maneira qualitativa
que o valor de f (x) para cada x corresponde ao valor da inclinação do gráco de f (x). Em particular,
x
a reta tangente ao gráco de e em x = 0, mostrada na gura 3.12, é a reta de equação:

y =x+1

Como seria de esperar, a inclinação dessa reta é igual a 1, o que corresponde ao valor de f (0). Ou
seja, de fato verica-se nesse ponto que o valor da função é igual ao valor de sua derivada, f 0 (0) = 1
(que é o mesmo que o valor da inclinação da reta tangente no ponto). Tomando esse ponto como
referência, é fácil vericar que quando tomamos valores de x menores que 0, o valor de ex diminui,
e é fácil visualizar que o valor da inclinação da reta tangente também diminui. À medida em que
tomamos valores de x cada vez maiores, o valor de ex vai crescendo, assim como a inclinação da
reta tangente.
CAPÍTULO 3. DERIVADAS 93

8
f(0 x) = log(x)
f (x) = 1/x

0.5 1 1.5 2 2.5 3

-2

-4

Figura 3.13: Gráco da função f (x) = ln(x), superposto ao gráco de sua derivada, a função
f 0 (x) = 1
x.

3.3.5 Função logaritmo


A função logarimo é estudada agora:
f (x) = ln(x)
Lembramos que, neste texto, a notação ln(x) signica o logaritmo de x na base e (também conhecido
como o logaritmo neperiano de x). Segundo a tabela 3.1, a derivada desta função é dada por:

1
f 0 (x) =
x
A gura 3.13 mostra o gráco da função f (x) = ln(x) superposto ao gráco de sua derivada,
f 0 (x) = 1
x.

3.3.6 Funções trigonométricas seno e cosseno


Examinaremos primeiro a função seno:

f (x) = sen(x)

A derivada desta função é a função cosseno:

f 0 (x) = cos(x)

A gura 3.14 mostra o gráco da função f (x) = sen(x) superposto ao gráco de sua derivada,
f 0 (x) = cos(x). O leitor é convidado a observar que o gráco de f 0 (x) descreve precisamente a
CAPÍTULO 3. DERIVADAS 94

1.5
f(0 x) = sen(x)
f (x) = cos(x)
tangentes
1

0.5

-1 1 2 3 4 5 6

-0.5

-1

-1.5

Figura 3.14: Gráco da função f (x) = sen(x), superposto ao gráco de sua derivada, a função
f 0 (x)
= cos(x). São também mostradas as retas tangentes ao gráco de sen(x) para x = 0, x = π
2,
x = π e x = 3π
2 .

inclinação da reta tangente ao gráco da função f (x), a qual é máxima em x=0 e em x = 2π , é


π 3π
mínima em x = π, e é nula em x= 2 e em x= 2 , pontos nos quais as respectivas retas tangentes
ao gráco da função seno são horizontais.
Uma observação importante: é fácil ver, na gura 3.14, que os pontos em que a função f (x) =
sen(x) atinge seus valores máximos e seus valores mínimos são exatamente os pontos nos quais a
derivada f 0 (x) = cos(x) assume valor zero, o que signica que a reta tangente ao gráco da função
nesses pontos é horizontal. O leitor é convidado a reetir sobre isso, para concluir que faz sentido
que em pontos de máximo e de mínimo de uma função a reta tangente ao gráco dessa função deva
mesmo ser horizontal.
Agora passamos ao exame da função cosseno:

f (x) = cos(x)

A derivada da função cosseno é dada por:

f 0 (x) = − sen(x)

A gura 3.15 mostra o gráco da função f (x) = cos(x) superposto ao gráco de sua derivada,
f 0 (x) = − sen(x). O leitor é convidado a observar que o gráco de f 0 (x) descreve precisamente a

inclinação da reta tangente ao gráco da função f (x), que é máxima em x = 2 , é mínima em
π
x= 2 , e é nula em x = 0, x = π e x = 2π , pontos nos quais a reta tangente ao gráco da função
cosseno é horizontal.
CAPÍTULO 3. DERIVADAS 95

1.5
f(0 x) = cos(x)
f (x) = − sen(x)
tangentes
1

0.5

-1 1 2 3 4 5 6

-0.5

-1

-1.5

Figura 3.15: Gráco da função f (x) = cos(x), superposto ao gráco de sua derivada, a função
f 0 (x) = − sen(x). Também são mostradas as retas tangentes ao gráco de cos(x) nos pontos x = 0,
π
x= 2, x = π e x = 3π
2 .

3.4 Propriedades de derivadas


Na seção anterior nós obtivemos as expressões das derivadas das funções elementares. Agora es-
tudaremos as propriedades de derivadas diante das operações de soma ou subtração de funções,
multiplicação de função por constante, multiplicação de funções, divisão de funções e composição
de funções. As propriedades a serem discutidas são mostradas na tabela 3.2.

3.4.1 Soma, subtração e multiplicação por constante


As propriedades da derivada diante da soma e subtração de funções e da multiplicação destas por
constantes são bastante intuitivas:

[f (x) + g(x)]0 = f 0 (x) + g 0 (x)


[f (x) − g(x)]0 = f 0 (x) − g 0 (x)
[k f (x)]0 = k f 0 (x)

Essas propriedades podem ser enunciadas verbalmente como: a derivada da soma (ou subtração)
de duas funções é igual à soma (ou subtração) das derivadas dessas funções , e a derivada da
multiplicação de uma função por uma constante é igual à multiplicação da derivada dessa função
pela mesma constante .
Como exemplo da utilização da regra da soma, consideremos a função:

f (x) = x2 + x
CAPÍTULO 3. DERIVADAS 96

Tabela 3.2: Propriedades de derivadas.

operação resultado

soma de funções [f (x) + g(x)]0 f 0 (x) + g 0 (x)

subtração de funções [f (x) − g(x)]0 f 0 (x) − g 0 (x)

multiplicação por constante [k f (x)]0 k f 0 (x)

multiplicação de funções [f (x) g(x)]0 f 0 (x) g(x) + f (x) g 0 (x)

0
f 0 (x) g(x) − f (x) g 0 (x)

f (x)
divisão de funções
g(x) (g(x))2

composição de funções [f (g(x))]0 f 0 (g(x)) g 0 (x)

0
x2 = 2x [x]0 = 1. f 0 (x)

Nós já vimos que e que Obtemos então aplicando a regra da soma:

 0
f 0 (x) = x2 + [x]0 = 2x + 1

A regra da subtração é muito similar. Para exemplicá-la, consideramos:

f (x) = x2 − x

As derivadas de cada termo são as mesmas que no caso anterior. Obtemos então f 0 (x) aplicando a
regra da subtração:
 0
f 0 (x) = x2 − [x]0 = 2x − 1
Por m, para exemplicar a utilização da regra do produto por uma constante, iremos considerar:

f (x) = 5x2

A derivada dessa função é obtida como:

0  0
f 0 (x) = 5x2 = 5 x2 = 5(2x) = 10x


Utilizando essas propriedades e mais as derivadas da função constante e da função xn , que são
mostradas na tabela 3.1, é possível calcular a derivada de qualquer função polinomial.

Exemplo 3.5 Para exemplicar o cálculo da derivada de funções polinomiais, consideremos a seguinte
função:
f (x) = 5x7 + 3x4 − 10x3 + x2 − 7x + 14
Queremos calcular f 0 (x). Utilizando a regra que diz que a derivada de uma constante é sempre nula obtemos:

0
[14] = 0
CAPÍTULO 3. DERIVADAS 97

0
A regra da derivada de xn nos diz que [xn ] = n xn−1 . Utilizando essa regra obtemos:
 0  4 0  3 0  2 0 0
x7 = 7x6 x = 4x3 x = 3x2 x = 2x [x] = 1

Agora utilizamos as regras da soma, da subtração e do produto por constante para chegar ao resultado
desejado:
0
f 0 (x) = 5x7 + 3x4 − 10x3 + x2 − 7x + 14

 0  0  0  0 0 0
= 5 x7 + 3 x4 − 10 x3 + x2 − 7 [x] + [14]
= 5(7x6 ) + 3(4x3 ) − 10(3x2 ) + (2x) − 7(1) + 0
= 35x6 + 12x3 − 30x2 + 2x − 7

Exemplo 3.6 Evidentemente, as regras da soma, subtração e produto por constante se aplicam a outros
tipos de funções, além de polinômios. Por exemplo, consideremos a função:

1 √
f (x) = 5 sen(x) − ex − 3 x − 5
2
As regras de cálculo de derivadas de funções elementares indicadas na tabela 3.1, nos permitem fazer os
seguintes cálculos:

√ 0 1
[ sen(x)] = cos(x)
0 0 0
[ex ] = ex x = √ [5] = 0
2 x

Calculamos então a derivada de f (x) utilizando as regras da soma, subtração e produto por constante:

1 x0 √ 0
f 0 (x) = 5 [ sen(x)] −
0 0
[e ] − 3 x − [5]
2
 
1 1
= 5(cos(x)) − (ex ) − 3 √ − (0)
2 2 x

Obtemos nalmente:
ex 3
f 0 (x) = 5 cos(x) − − √
2 2 x

3.4.2 Multiplicação de funções


A regra para o cálculo da derivada de um produto de funções é dada por:

[f (x) · g(x)]0 = f 0 (x) g(x) + f (x) g 0 (x)

Essa regra pode ser enunciada verbalmente como: a derivada do produto de duas funções é igual
à derivada da primeira função vezes a segunda função mais a primeira função vezes a derivada da
segunda função .
Um exemplo simples de aplicação dessa regra pode ser visto com o cálculo da derivada da
seguinte função:
h(x) = x2 sen(x)
CAPÍTULO 3. DERIVADAS 98

A função h(x) pode ser vista como um produto de duas funções elementares, f (x) = x2 e g(x) =
sen(x):
h(x) = f (x) g(x)
Então, pela regra do produto:
h0 (x) = f 0 (x)g(x) + f (x)g 0 (x)
Pelas regras de cálculo das derivadas de funções elementares temos que:

 0
f 0 (x) = x2 = 2x
g 0 (x) = [ sen(x)]0 = cos(x)

Finalmente obtemos:
h0 (x) = 2x sen(x) + x2 cos(x)

3.4.3 Divisão de funções


A regra para o cálculo da derivada de uma divisão de funções é dada por:

0
f 0 (x) g(x) − f (x) g 0 (x)

f (x)
=
g(x) (g(x))2

Essa regra pode ser enunciada verbalmente como: a derivada da divisão de duas funções é igual
à derivada da função do numerador vezes a função do denominador menos a função do numera-
dor vezes a derivada da função do denominador, tudo isso dividido pelo quadrado da função do
denominador .
Um exemplo simples de aplicação dessa regra pode ser visto com o cálculo da derivada da
seguinte função:
x2
h(x) =
sen(x)

A função h(x) pode ser vista como a divisão de duas funções elementares, f (x) = x2 e g(x) = sen(x):

f (x)
h(x) =
g(x)

Então, pela regra da divisão:


f 0 (x)g(x) − f (x)g 0 (x)
h0 (x) =
(g(x))2
Pelas regras de cálculo das derivadas de funções elementares temos que:

 0
f 0 (x) = x2 = 2x
g 0 (x) = [ sen(x)]0 = cos(x)

Finalmente obtemos:
2x sen(x) − x2 cos(x)
h0 (x) =
( sen(x))2
CAPÍTULO 3. DERIVADAS 99

3.4.4 Composição de funções


Se tivermos duas funções, f (x) e g(x), dizemos que a função composta de f (x) com g(x) é dada
por:
f (g(x))
e a função composta de g(x) com f (x) é dada por:

g(f (x))

Para exemplicar, vamos considerar f (x) = x2 e g(x) = sen(x). Para obter essa função composta
f (g(x)), nós tomamos a função f (x) e substituímos cada ocorrência da variável x nessa função pela
expressão de g(x). No caso desta função que estamos tratando, x só ocorre uma vez, elevado ao
quadrado. Em lugar desse x, vamos colocar a expressão de g(x), que é sen(x). A função composta
f (g(x)) ca então:
f (g(x)) = ( sen(x))2
Já no caso da função composta g(f (x)), temos de pegar a expressão da função g(x) e substituir
cada ocorrência da variável x nessa expressão pela expressão de f (x). Obtemos então:

2
g(f (x)) = sen(x )

A regra para o cálculo da derivada de uma função composta f (g(x)) é dada por:

[f (g(x))]0 = f 0 (g(x)) g 0 (x)

Essa regra pode ser enunciada verbalmente da seguinte forma: a derivada da função f composta
com a função g é igual à composta da derivada de f
0
(ou seja, f ) com a função
g vezes a derivada
da função g (ou seja, g 0 ) . Essa regra é conhecida pelo nome de regra da cadeia. Os exemplos a
seguir ilustram a aplicação dessa regra.

Exemplo 3.7 São dadas as funções:


f (x) = x2

g(x) = sen(x)
(a) Calcular a derivada da função composta f (g(x)) = ( sen(x))2 .

Sabemos, pela regra da cadeia, que:


0
[f (g(x))] = f 0 (g(x)) g 0 (x)
Pelas regras de derivação de funções elementares, sabemos que:

 0
g 0 (x) = [ sen(x)] = cos(x)
0
f 0 (x) = x2 = 2x

Aplicando então a regra da cadeia obtemos:

0
[f (g(x))] = ( sen(x))2 = f 0 (g(x)) g 0 (x)
0 

0
Nesse ponto, aparece uma situação em que temos de determinar a composta da derivada de f (x) com a
0 0
função g(x), para obter a expressão de f (g(x)). Já sabemos que f (x) = 2x. A expressão de f 0 (g(x)) é
CAPÍTULO 3. DERIVADAS 100

obtida então substituindo cada ocorrência da variável x na expressão de f 0 (x) pela expressão de g(x). Com
isso, obtemos:
f 0 (g(x)) = 2g(x) = 2 sen(x)
0
Lembrando que já sabemos que g 0 (x) = cos(x), nós estamos nalmente em posição de calcular [f (g(x))] , que
ca:
[f (g(x))] = f 0 (g(x)) g 0 (x) = 2 sen(x) cos(x)
0

(b) Calcular a derivada da função composta g(f (x)) = sen(x2 ).

Pela regra da cadeia:


0
[g(f (x))] = g 0 (f (x)) f 0 (x)
Aplicando a regra da cadeia:
0
[g(f (x))] = sen(x2 ) = g 0 (f (x)) f 0 (x) = cos(x2 ) 2x
0 

Já sabemos que g 0 (x) = cos(x), então g 0 (f (x)) ca:

g 0 (f (x)) = cos(f (x)) = cos(x2 )


0
Sabemos também que f 0 (x) = 2x. Então a expressão de [g(f (x))] ca:
0
[g(f (x))] = sen(x2 ) = g 0 (f (x)) f 0 (x) = cos(x2 ) 2x
0 

Exemplo 3.8 Consideramos agora as seguintes funções:



f (x) = x

g(x) = x2 + 2x + cos(x)

(a) Calcular a derivada da função composta f (g(x)).

Inicialmente vamos determinar a expressão da função composta f (g(x)). Para fazer isso, substituímos a
variável x em f (x) pela expressão da função g(x), assim obtendo:
p
f (g(x)) = x2 + 2x + cos(x)

Pela regra da cadeia, teremos de calcular:

0
[f (g(x))] = f 0 (g(x)) g 0 (x)

Pelas regras de derivação de funções elementares, sabemos que a expressão de f 0 (x) é dada por:

√ 0 1
f 0 (x) = x = √
2 x
A função g(x) é uma soma de funções elementares, de forma que podemos rapidamente calcular g 0 (x):
 0
g 0 (x) = x2 + 2 [x] + [cos(x)] = 2x + 2 − sen(x)
0 0

Examinamos novamente a expressão indicada pela regra da cadeia:


hp i0
0
[f (g(x))] = x2 + 2x + cos(x) = f 0 (g(x)) g 0 (x)
CAPÍTULO 3. DERIVADAS 101

Nesse ponto, aparece uma situação em que temos de determinar a composta da derivada de f 0 (x) com a
0
função g(x), para obter a expressão de f (g(x)). Já sabemos que

1
f 0 (x) = √
2 x
A expressão de f 0 (g(x)) é obtida então substituindo cada ocorrência da variável x na expressão de f 0 (x) pela
expressão de g(x). Com isso, obtemos:
1 1
f 0 (g(x)) = p = p
2 g(x) 2 x2 + 2x + cos(x)

Lembrando que já sabemos que g 0 (x) = 2x + 2 − sen(x), nós estamos nalmente em posição de calcular
0
[f (g(x))] , que ca:
hp i0 1
(2x + 2 − sen(x))
0
[f (g(x))] = x2 + 2x + cos(x) = f 0 (g(x)) g 0 (x) = p
2
2 x + 2x + cos(x)

(b) Calcular a derivada da função composta g(f (x)).

Inicialmente, vamos determinar a expressão da função composta g(f (x)). Desta vez, há três ocorrências da
variável x dentro da expressão de g(x). Devemos substituir cada uma das ocorrências de x em g(x) pela
expressão de f (x), o que leva a:
√ √ √ √ √
g(f (x)) = ( x)2 + 2 x + cos( x) = x + 2 x + cos( x)

Temos de derivar essa função composta:

0  √ √ 0
[g(f (x))] = x + 2 x + cos( x)

Nesse caso, observamos que a expressão da função a ser derivada é uma soma de termos, de forma que a
regra da soma se aplica:
0 0 √ 0  √ 0
[g(f (x))] = [x] + 2 x + cos( x)
As derivadas dos dois primeiros termos correspondem a derivadas de funções elementares:

0 √ 0 1
[x] = 1 x = √
2 x
0
Assim, a expressão de [g(f (x))] ca:

0  √ √ 0 1  √ 0
[g(f (x))] = x + 2 x + cos( x) = 1 + √ + cos( x)
x
Podemos ver que o último termo, cuja derivada falta determinar, é formado pela composição de duas funções:

h(x) = cos(x) e p(x) = x, sendo o termo dado por:

cos( x) = h(p(x))
√ 0 0
Temos de calcular [cos( x)] = [h(p(x))] . Aplicamos a regra da cadeia:

0 √ 0
[h(p(x))] = cos( x) = h0 (p(x)) p0 (x)


Precisamos então determinar h0 (x) e p0 (x). Como essas são funções elementares, obtemos diretamente:

√ 0 1
h0 (x) = [cos(x)] = − sen(x)
0
p0 (x) = x = √
2 x
CAPÍTULO 3. DERIVADAS 102

0
Para encontrar a expressão de [h(p(x))] , temos de determinar a função composta h0 (p(x)):

h0 (p(x)) = − sen(p(x)) = − sen( x)
0
Estamos agora em posição de encontrar a expressão de [h(p(x))] :
√ 1
[h(p(x))] = h0 (p(x)) p0 (x) = − sen( x) √
0
2 x
0
Falta agora apenas voltar na expressão de [g(f (x))] que já tínhamos encontrado:

0 1  √ 0
[g(f (x))] = 1 + √ + cos( x)
x

Faltava apenas determinar a derivada do último termo, o que acabamos de fazer. A expressão nal ca
então:
1 √ 1
[g(f (x))] = 1 + √ − sen( x) √
0
x 2 x

Roteiro para aplicação da regra da cadeia


Vamos agora apresentar um roteiro para aplicação da regra da cadeia no problema de cálculo da
derivada de uma função f (x). Esse roteiro pode ajudar os estudantes a xar a aplicação dessa regra,
pois estabelece uma sequência de passos bem denidos a serem seguidos.

Roteiro: regra da cadeia

1. Primeiro, tentamos responder à pergunta: a função f (x) pode ser interpretada como sendo
p(q(x)), sendo p(x) e q(x) duas funções mais simples? Tomaremos como exemplos as funções
mostradas na tabela abaixo.

f (x) = p(q(x)) p(x) q(x)



sen( x) ? ?

p
sen(x) ? ?

cos(x2 ) ? ?

(cos(x))2 ? ?

O estudante deve estar atento para o fato de que, nesta tabela, estamos chamando de p(x) a
função de fora, e estamos chamando de q(x) a função de dentro
f (x) = p(q(x)),
da expressão
ou seja, a expressão de f (x) é obtida quando tomamos cada ocorrência da variável x na
expressão de p(x) e substituímos essa variável pela expressão completa de q(x).
CAPÍTULO 3. DERIVADAS 103

2. Se a resposta à pergunta for "sim", temos de determinar quem são essas funções p(x) e q(x). Se
for "não", a regra da cadeia não se aplica à derivação de f (x). Em todos os casos apresentados
na tabela anterior, a resposta será "sim", ou seja, a função f (x) pode sim ser interpretada
como a composição de duas funções elementares. A primeira tarefa do estudante é então
determinar p(x) e q(x). No caso dos exemplos apresentados na tabela anterior, os resultados
desta etapa são mostrados na tabela abaixo.

f (x) = p(q(x)) p(x) q(x)


√ √
sen( x) sen(x) x
p √
sen(x) x sen(x)

cos(x2 ) cos(x) x2

(cos(x))2 x2 cos(x)

É fácil perceber que se substituímos a variável x na expressão da função p(x) pela expressão
da função q(x), obtemos a função f (x) em todos os casos listados na tabela.

3. Agora sabendo quais são as funções p(x) e q(x) que se compõem para formar a função f (x) =
p(q(x)), o próximo passo é calcular as expressões das derivadas de p(x) e de q(x). O resultado
desta etapa é mostrado na tabela abaixo.

f (x) = p(q(x)) p(x) q(x) p0 (x) q 0 (x)


√ √ 1
sen( x) sen(x) x cos(x) √
2 x
p √ 1
sen(x) x sen(x) √ cos(x)
2 x
cos(x2 ) cos(x) x2 − sen(x) 2x

(cos(x))2 x2 cos(x) 2x − sen(x)

4. Por m, aplicamos a regra da cadeia: f 0 (x) = p0 (q(x)) · q 0 (x). Concluindo o exemplo apresen-
tado nas tabelas anteriores, o resultado desta etapa é mostrado na tabela abaixo:
CAPÍTULO 3. DERIVADAS 104

f (x) = p(q(x)) p(x) q(x) p0 (x) q 0 (x) f 0 (x) = p0 (q(x)) · q 0 (x)


√ √ 1 √ 1
sen( x) sen(x) x cos(x) √ cos( x) · √
2 x 2 x
p √ 1 1
sen(x) x sen(x) √ cos(x) p · cos(x)
2 x 2 sen(x)
cos(x2 ) cos(x) x2 − sen(x) 2x − sen(x2 ) · 2x

(cos(x))2 x2 cos(x) 2x − sen(x) 2 cos(x) · (− sen(x))

Os resultados da derivada da função mostrada na primeira coluna desta tabela são as expres-
sões mostradas na última coluna da tabela.

Esse roteiro pode ser sintetizado como um problema de preencher a seguinte tabela:

f (x) = p(q(x)) p(x) q(x) p0 (x) q 0 (x) f 0 (x) = p0 (q(x)) · q 0 (x)


(1) (2) (2) (3) (3) (4)

Na tabela, fazemos o preenchimento na seguinte ordem:

1. Começa-se preenchendo a primeira coluna: qual é a expressão da função que se deseja derivar,
f (x)? Essa informação é colocada no campo indicado por (1).

2. A seguir, determinam-se as expressões de p(x) e de q(x), ou seja, as funções que resultam


em f (x) quando compostas: f (x) = p(q(x)). Essas expressões são colocadas nos campos
indicados por (2), na ordem certa, ou seja, com p(x) representando a função de fora e q(x)
representando a função de dentro da expressão da função composta p(q(x)).

3. Calculam-se então as expressões das derivadas de p(x) e de q(x). Essas informações são
colocadas nos campos indicados por (3).

4. Por m, obtém-se a expressão de f 0 (x) aplicando-se a fórmula f 0 (x) = p0 (q(x)) · q 0 (x), o que
é feito utilizando as informações anteriormente levantadas. A expressão nalmente obtida é
colocada no campo (4), que assim irá conter a resposta à questão que se queria responder.

Exemplo 3.9 Calcular a derivada da função:


1
f (x) =
sen(x)

Resolução:
CAPÍTULO 3. DERIVADAS 105

A função f (x) claramente não é uma função elementar. Colocamos a sua expressão no primeiro campo
da tabela:

f (x) = p(q(x)) p(x) q(x) p0 (x) q 0 (x) f 0 (x) = p0 (q(x)) · q 0 (x)


1
sen(x)
Será que f (x) se trata de uma função composta, construída a partir de duas funções elementares? O
exame da expressão indica que há duas funções elementares em jogo:

1
p(x) =
x
e
q(x) = sen(x)
Claramente, a função f (x) é obtida como a composição de p(x) com q(x), sendo p(x) a função de fora
nessa composição, e q(x) a função de dentro:
1
p(q(x)) =
sen(x)
Temos que f (x) = p(q(x)). Também é fácil vericar que se tentássemos compor as funções na ordem inversa,
tomando q(p(x)), ou seja, fazendo q(x) ser de fora e p(x) ser de dentro, nós não obteríamos a função
f (x) como resultado dessa composição  ou seja, não há dúvida de que f (x) seja dada pela composição de
p(x) com q(x), e não o contrário.
Então podemos preencher os próximos dois campos da tabela com essas expressões:

f (x) = p(q(x)) p(x) q(x) p0 (x) q 0 (x) f 0 (x) = p0 (q(x)) · q 0 (x)


1 1
sen(x)
sen(x) x
Calculamos então as derivadas de p(x) e de q(x):
1 1
p(x) = ⇒ p0 (x) = −
x x2

q(x) = sen(x) ⇒ q 0 (x) = cos(x)


Essa informação é transportada para o quarto e para o quinto campos da tabela:

f (x) = p(q(x)) p(x) q(x) p0 (x) q 0 (x) f 0 (x) = p0 (q(x)) · q 0 (x)


1 1 1
sen(x) − cos(x)
sen(x) x x2
Por m, aplicamos a fórmula da regra da cadeia:

1
f 0 (x) = p0 (q(x)) · q 0 (x) = − · cos(x)
( sen(x))2
Assim, concluímos o preenchimento da tabela:

f (x) = p(q(x)) p(x) q(x) p0 (x) q 0 (x) f 0 (x) = p0 (q(x)) · q 0 (x)


1 1 1 − cos(x)
sen(x) − cos(x)
sen(x) x x2 ( sen(x))2
CAPÍTULO 3. DERIVADAS 106

O resultado solicitado pelo enunciado encontra-se no último campo da tabela.

3.4.5 Casos mais complicados


É claro que as funções que serão encontradas pela frente nem sempre terão a forma simples de uma
soma de funções elementares, ou de um produto de duas funções elementares, ou de um quociente
de duas funções elementares, ou ainda a composição de duas funções elementares. Existirão muitas
situações em que ocorrerão combinações mais complicadas, por exemplo: o produto de três ou mais
funções, a composição de uma função com um quociente de funções, etc. Em todos esses casos, basta
aplicar uma sequência de passos simples, como os anteriormente vistos, até se chegar à derivada de
Essas situações mais complicadas não serão discutidas em detalhe
funções elementares.
neste texto, e não serão cobradas nas avaliações desta disciplina. A seguir, apresentamos
um único exemplo que ilustra o que pode ser feito nessas situações. O leitor mais curioso poderá
facilmente inferir o que deve ser feito em outras situações.

Exemplo 3.10 Calcular a derivada da função:


1
f (x) =
sen(2x + 1)

Resolução:
Agora, o leitor pode rapidamente vericar que a função f (x) é uma composta de três funções elementares:
x , r(x) = sen(x) e s(x) = 2x + 1:
1
p(x) =

f (x) = p(r(s(x)))

No entanto, para aplicar a regra da cadeia, temos de expressar a função a ser derivada como sendo a
composição de duas funções. Vamos então escrever a função f (x) como sendo a composição das funções
p(x) = x1 e q(x) = sen(2x + 1). Desta forma temos:

f (x) = p(q(x))

Pela regra da cadeia:


0
f 0 (x) = [p(q(x))] = p0 (q(x)) q 0 (x)
Temos então de determinar p0 (x) e q 0 (x). Como p(x) = 1
x é uma função elementar, obtemos diretamente:
 0
0 1 1
p (x) = =− 2
x x

O termo p0 (q(x)) ca então:

1
p0 (q(x)) = p0 ( sen(2x + 1)) = −
( sen(2x + 1))2

Para obtermos q 0 (x), entretanto, temos de aplicar novamente a regra da cadeia, pois q(x) é uma função
composta:
q(x) = r(s(x))
CAPÍTULO 3. DERIVADAS 107

sendo r(x) = sen(x) e s(x) = 2x + 1. Então, pela regra da cadeia:

0
q 0 (x) = [r(s(x))] = r0 (s(x)) s0 (x)

Como r(x) é uma função elementar e s(x) é uma função polinomial, obtemos diretamente suas derivadas:

r0 (x) = [ sen(x)] = cos(x)


0 0
s0 (x) = [2x + 1] = 2

É claro que:
r0 (s(x)) = cos(2x + 1)
Então:
q 0 (x) = r0 (s(x)) s0 (x) = cos(2x + 1) · 2
Finalmente obtemos:

0 1
f 0 (x) = [p(q(x))] = p0 (q(x)) q 0 (x) = − · (2 cos(2x + 1))
( sen(2x + 1))2

Rearranjando essa expressão, de forma a representá-la de forma mais elegante, obtemos nalmente:

2 cos(2x + 1)
f 0 (x) = −
( sen(2x + 1))2

3.5 Calculando derivadas com o sistema Sage


No sistema Sage, o cálculo do valor da expressão da derivada de uma função é feito utilizando-se
o comando diff. Suponha-se que a função f (x) já tenha sido denida e que deseja-se calcular a
expressão de f 0 (x):
df
f 0 (x) =
dx
Suponhamos que a expressão de f 0 (x) seja armazenada, computacionalmente, em uma função g(x).
A execução desse cálculo no Sage é feito da seguinte forma:

> g(x) = diff(f,x)

Essa linha de código realiza o cômputo da expressão da derivada de f (x). O comando diff
recebe como entradas o nome da função, f, e o nome da variável em relação à qual está sendo
feita a operação de derivada, x. Isso é importante porque, na denição da função, podem existir
parâmetros denidos identicados por letras e não por números, e o Sage precisa ser informado
sobre quem é a variável e quem é apenas um parâmetro. Por exemplo, a função h(x) = sen(ax)
depende das entidades a
x. Embora, para a maioria das pessoas, pudesse parecer óbvio que a
e
devesse ser um parâmetro e x devesse ser a variável da função, o sistema Sage não assume esse tipo
de premissa. Caso se queira calcular a derivada da função h(x) em relação à variável x, será preciso
escrever o comando: p(x) = diff(h,x).
5
Para exemplicar, o código abaixo realiza o cálculo da derivada da função f (x) = x +3x+ sen(x):
CAPÍTULO 3. DERIVADAS 108

> f(x) = x5 + 3*x + sin(x)


> g(x) = diff(f,x)
> show(g)

Quando esse código é executado, o sistema Sage produz a seguinte resposta:

x 7→ 5x4 + 3 + cos(x)

Essa resposta aparece por causa do comando show(g). Esse comando faz com que o Sage exiba
o conteúdo da expressão armazenada em g. A resposta signica que g é uma função da variável x,
e sua expressão é dada por: 5x4 + 3 + cos(x).
É possível ainda calcular derivadas de ordem superior utilizando o comando diff. Suponha-se
que a ordem da derivada a ser calculada seja previamente armazenada em n, ou seja, n é um número
inteiro maior que 1. O cálculo é feito da seguinte forma:

> q(x) = diff(f,x,n)

Nessa linha de código, é feito o cômputo da expressão da derivada de ordem n da função f (x).
O comando diff recebe como entradas o nome da função, f, o nome da variável em relação à qual
está sendo feita a operação de derivada, x, e a ordem da derivada a ser calculada, n.
Para mostrar um exemplo do cálculo de derivadas de ordem superior no Sage, o código abaixo
realiza o cálculo da derivada terceira da função f (x) = x5 + 3x + sen(x):

> f(x) = x5 + 3*x + sin(x)


> h(x) = diff(f,x,3)
> show(h)

Quando esse código é executado, o sistema Sage produz a seguinte resposta:

x 7→ 60x2 − cos(x)

Essa resposta signica que a função h(x), cuja exibição foi realizada devido ao comando show(h),
é uma função da variável x, e sua
2
expressão é igual a 60x − cos(x). Essa função h(x) é a derivada
terceira de f (x).

3.6 Crescimento e decrescimento de funções


São bastante intuitivas as noções do que sejam uma função crescente e uma função decrescente em
um ponto. Dizemos que a função f (x) é crescente no ponto x = a se o valor de f (x) sempre aumenta
quando aumentamos x, x = a. Em contrapartida, dizemos que a
em algum intervalo ao redor de
função f (x) é decrescente no ponto x = b se o valor de f (x) sempre diminui quando aumentamos
x, em algum intervalo ao redor de x = b. A gura 3.16 ilustra os dois conceitos. Na gura 3.16(a),
é mostrado que em todos os pontos situados no intervalo −π/2 < x < π/2 a função f (x) = sen(x)
CAPÍTULO 3. DERIVADAS 109

1
1 f(x) = x33 − x
f(x) = sen(x) 0.5
0.5
−π2
-4 -3 -2 -1 1 π 2 3 4 -2 -1 1 2
2
-0.5
-0.5
-1
-1

(a) (b)

Figura 3.16: (a) A função f (x) = sen(x) é crescente no intervalo −π/2 < x < π/2. (b) A função
x3
f (x) = 3 −x é decrescente no intervalo −1 < x < 1.

15 15

10 10

5 5

-4 -3 -2 -1 1 2 -2 -1 1 2 3 4

-5 -5

-10 -10

(a) (b)

Figura 3.17: (a) A função é crescente em um ponto em que a sua derivada é positiva. (b) A função
é decrescente em um ponto em que a sua derivada é negativa.

x3
é crescente. A gura 3.16(b) mostra que a função f (x) = 3 −x é decrescente em todos os pontos
situados no intervalo −1 < x < 1.
Uma maneira precisa de caracterizar uma função f (x) como sendo crescente ou decrescente em
um ponto x=a é vericar o sinal da função
0
derivada, f (x), nesse ponto:

ˆ Se f 0 (a) > 0, então f (x) é crescente no ponto x = a;

ˆ Se f 0 (a) < 0, então f (x) é decrescente no ponto x = a.

Isso faz sentido, se lembramos que a derivada de uma função em um ponto corresponde à inclinação
da reta tangente ao gráco da função nesse ponto. Uma reta tangente com inclinação positiva indica
que a função é crescente naquele ponto, enquanto uma reta tangente com inclinação negativa indica
que a função é decrescente no ponto. Esse fato geométrico é ilustrado na gura 3.17.
Fazendo o estudo do sinal da derivada da função, é possível caracterizar todo um intervalo de
CAPÍTULO 3. DERIVADAS 110

3
2 f(x) = x33 − x
1
-2 -1 1 2
-1
-2
-3
5
df 2
4 dx = x − 1
3
2
1
-2 -1 -1 1 2

Figura 3.18: Alto: gráco da função f (x). Baixo: gráco da função derivada f 0 (x). Comparando
0
os dois grácos, observa-se que o intervalo no qual f (x) <0 corresponde ao intervalo no qual f (x)
é decrescente.

crescimento ou de decrescimento de uma função. Por exemplo, consideremos a função:

x3
f (x) = −x (3.3)
3
Sua derivada é dada por:
df
= x2 − 1 (3.4)
dx
É fácil descobrir que a derivada é negativa no intervalo −1 < x < 1:
df
−1 < x < 1 ⇒ = x2 − 1 < 0 (3.5)
dx
Isso signica que f (x) é decrescente nesse intervalo. Esse processo de caracterização de um intervalo
de decrescimento de f (x) a partir da determinação de um intervalo no qual f 0 (x) seja negativo é
ilustrado na gura 3.18.

3.6.1 Crescimento e decrescimento de funções no Sage


A partir da caracterização do crescimento e decrescimento de funções pelo sinal da derivada, é
possível utilizar um sistema computacional como o SageMath para encontrar os intervalos nos quais
uma função é crescente ou decrescente. O procedimento para se fazer isso é o seguinte:

1. Insira a expressão da função f (x) no Sage;

2. Calcule a expressão da derivada da função, f 0 (x);


CAPÍTULO 3. DERIVADAS 111

f(x)
f 0 (x)
15

10

-10 -5 5 10 15

-5

-10

Figura 3.19: Grácos da função f (x) (azul) e de sua derivada f 0 (x) (vermelho).

3. Encontre os pontos x = r1 , x = r2 , . . . , x = rn nos quais f 0 (x) = 0, ou seja, as raízes de f 0 (x).


Esses são os
0
pontos em que f (x) pode mudar de sinal.

4. Verique qual é o sinal de f 0 (x) em cada um dos intervalos delimitados por esses pontos, ou
seja, nos intervalos (−∞, r1 ), (r1 , r2 ), . . . , (rn−1 , rn ), (rn , +∞).

5. A função f (x) será crescente naqueles intervalos nos quais f 0 (x) for positiva, e será decrescente
nos
0
intervalos em que f (x) for negativa.

Para exemplicar a utilização desse procedimento, vamos considerar a seguinte função:


p
exp(x) − x3 + 50x
f (x) = (3.6)
100
O código Sage a seguir dene a expressão da função, calcula a expressão de sua derivada, e então
traça os grácos de f (x) e de f 0 (x):

> f(x) = (sqrt(exp(x)) - x3 + 50*x)/100


> df(x) = diff(f,x)
> plot(f,-10,17,gridlines=true) + plot(df,-10,17,color='red')

O resultado da execução desse código é o gráco mostrado na gura 3.19 (na gura são acrescentadas
legendas, não mostradas no código). Estamos interessados em descobrir em quais intervalos da
variável x a função é crescente e em quais intervalos ela é decrescente. Pela observação dos grácos
ca evidente que, no trecho mostrado no gráco, f (x) começa decrescente, depois passa a crescer,
diminui novamente e então volta a crescer. Esses intervalos são separados exatamente pelas raízes
de f 0 (x). O código a seguir encontra a localização dessas raízes:
CAPÍTULO 3. DERIVADAS 112

f(x)
f 0 (x)
15

10

-10 -5 5 10 15

-5

-10

Figura 3.20: Regiões de crescimento e decrescimento da função f (x).

> r1 = find_root(df,-10,0)
> r2 = find_root(df,0,10)
> r3 = find_root(df,10,15)
> print(r1,r2,r3)

Como resultado da execução desse código, o Sage devolve a seguinte resposta:

(-4.085129448181479, 4.249955087323902, 13.944703643579437)

Observando ao mesmo tempo o gráco de f 0 (x) na gura 3.19 e esses valores das raízes de f 0 (x),
podemos chegar às seguintes conclusões:

ˆ f (x) é decrescente no intervalo −10 < x < −4.0851, pois f 0 (x) é negativa nesse intervalo;

ˆ f (x) é crescente no intervalo −4.0851 < x < 4.2499, pois f 0 (x) é positiva nesse intervalo;

ˆ f (x) é decrescente no intervalo 4.2499 < x < 13.9447, pois f 0 (x) é negativa nesse intervalo;

ˆ f (x) é crescente no intervalo 13.9447 < x < 17, pois f 0 (x) é positiva nesse intervalo;

Nossa análise não diz nada a respeito de f (x) quando x < −10 nem quando x > 17 porque nós não
chegamos a examinar como a função se comporta fora do trecho mostrado na gura. Uma análise
mais detalhada iria mostrar que a função é decrescente para todo x < −10, e é crescente para todo
x > 17.
Para nalizar, é interessante observar os grácos da gura 3.20. Essa gura exibe linhas tra-
cejadas verticais passando sobre as raízes da derivada, ou seja, nos pontos em que f 0 (x) = 0. É
possível ver que antes da primeira linha vertical, a função f (x) é decrescente e sua
0
derivada f (x) é
CAPÍTULO 3. DERIVADAS 113

6 6
A
4 4

2 2

-1 1 2 3 4 5 -1 1 2 3 4 5

-2 -2

A
-4 -4

(a) (b)

Figura 3.21: (a) A função f (x) é crescente para x < 2, e é decrescente para x > 2; então x=2 é
um ponto de máximo, no qual a função atinge um valor máximo. O máximo no gráco da função é
representado pelo ponto A. (b) A função f (x) é decrescente para x < 2, e é crescente para x > 2;
então x = 2 é um ponto de mínimo, no qual a função atinge um valor mínimo. O mínimo, no gráco
da função, é representado pelo ponto A.

negativa. Entre a primeira e a segunda linhas verticais, a função f (x) é crescente e a derivada f 0 (x)
é positiva. Já entre a segunda e a terceira linhas verticais, a função f (x) é decrescente e a derivada
f 0 (x) é negativa. Por m, após a terceira linha vertical, a função f (x) é crescente e a derivada f 0 (x)
é positiva.
O estudante mais curioso pode ter interesse em ver o código Sage que constrói a gura 3.20,
mostrado a seguir:

> P1 = plot(f,-10,17,gridlines=true,legend_label='$f(x)$')
> P2 = plot(df,-10,17,color='red',legend_label='$f\'(x)$')
> L1 = line([(r1,-10),(r1,16)],color='orange',linestyle='--')
> L2 = line([(r2,-10),(r2,16)],color='orange',linestyle='--')
> L3 = line([(r3,-10),(r3,16)],color='orange',linestyle='--')
> Q1 = point([(r1,0),(r1,f(r1))],color='black',size=20)
> Q2 = point([(r2,0),(r2,f(r2))],color='black',size=20)
> Q3 = point([(r3,0),(r3,f(r3))],color='black',size=20)
> Graf = P1 + P2 + L1 + L2 + L3 + Q1 + Q2 + Q3
> Graf

3.7 Máximos e mínimos de funções


Dizemos que a função f (x) x = a contido em um intervalo se,
atinge um máximo em um ponto
para qualquer outro valor de x contido nesse intervalo, o valor de f (x) for menor que f (a). Dizemos
então que x = a é um ponto de máximo da função no intervalo. É intuitivo perceber que se uma
função é crescente quando x < a e passa a ser decrescente quando x > a, então a função deve atingir
um valor máximo no ponto x = a, pelo menos quando comparado com valores da função em pontos
próximos. Esse raciocínio é ilustrado na gura 3.21(a). Da mesma forma, dizemos que a função
f (x) atinge um mínimo em um ponto x=a contido em um intervalo se, para qualquer outro valor
CAPÍTULO 3. DERIVADAS 114

32

30

28

26

24
x = a1 x = b1 x = a2 x = b2 x = a3
12 14 16 18 20 22 24 26 28

Figura 3.22: Os pontos x = a1 , x = a2 e x = a3 são pontos de máximo local da função descrita na


equação (3.7). O ponto x = a2 , além disso, é também um ponto de máximo global da função. Os
pontos x = b1 e x = b2 são pontos de mínimo local da mesma função.

de x contido nesse intervalo, o valor de f (x) for maior que f (a). Dizemos então que x=a é um
ponto de mínimo da função nesse intervalo. Pode-se notar que se uma função é decrescente quando
x < a x > a, então um valor mínimo será atingido pela função
e passa a ser crescente quando
quando x = a, também em comparação com valores da função em pontos próximos. Isso é ilustrado
na gura 3.21(b).
A gura 3.22 ilustra a ideia de que os máximos e mínimos de uma função podem ser globais ou
locais. Essa gura mostra um trecho do gráco da seguinte função:

x2
f (x) = − + 3 cos(x) + 30 (3.7)
10
O conceito de máximo local se refere à situação em que existe algum intervalo ao redor de um ponto
de máximo no qual todos os demais pontos têm valores de função menores que o valor no máximo
local. É fácil identicar, na gura 3.22, a existência desses intervalos ao redor dos pontos x = a1 ,
x = a2 , x = a3 , que são, portanto, pontos de máximo local da função. No caso do ponto x = a2 ,
este leva a função a atingir o maior valor em todo o seu domínio, de forma que nós então dizemos
que x = a2 também é um ponto de máximo global da função.
Analogamente, o conceito de mínimo local se refere à situação em que existe algum intervalo ao
redor de um ponto de mínimo no qual todos os demais pontos têm valores de função maiores que
o valor nesse ponto de mínimo. Na gura 3.22, os pontos x = b1 e x = b2 são mínimos locais da
função. Nenhum dos dois no entanto é mínimo global, pois a função atinge valores ainda menores
Ao longo do restante deste capítulo, quando mencionarmos máximos e
em outros pontos.
mínimos, estaremos fazendo referência à noção de máximos locais e de mínimos locais.
É claro que, tanto em um mínimo quanto em um máximo, a reta tangente ao gráco de uma
função será horizontal, conforme mostrado na gura 3.23. Isto signica que, tanto nos valores de
CAPÍTULO 3. DERIVADAS 115

6 6

4 4

2 2

-1 1 2 3 4 5 -1 1 2 3 4 5

-2 -2

-4 -4

Figura 3.23: As retas que são tangentes aos grácos de funções nos pontos em que estas atingem
um valor máximo ou mínimo são retas horizontais, ou seja, com inclinação nula.

x em que ocorre um máximo (os pontos de máximo) quanto nos valores de x em que ocorre um
mínimo (os pontos de mínimo), a derivada da função deverá ser igual a zero. É possível então
utilizar um procedimento numérico de busca dos pontos em que a derivada se anula como parte de
um procedimento para a localização de máximos e mínimos de funções.

3.7.1 Determinação de máximos e mínimos com o Sage


O procedimento a seguir pode ser utilizado para buscar os pontos de máximo e de mínimo de uma
função f (x):

1. Calcule a expressão da derivada, f 0 (x);

2. Encontre as raízes de f 0 (x), ou seja, os valores r1 , r2 , . . . , rn que fazem f 0 (r1 ) = f 0 (r2 ) = . . . =


f 0 (rn ) = 0.

3. Observando o gráco de f (x) em uma faixa de valores de x que contenha todos os pontos
r1 , r2 , . . . , rn , determine quais são pontos de máximo e quais são pontos de mínimo.

Para exemplicar a utilização desse procedimento, vamos considerar novamente a seguinte fun-
ção:
p
exp(x) − x3 + 50x
f (x) = (3.8)
100
Começamos por utilizar o mesmo código Sage empregado anteriormente que calcula a expressão da
derivada da função, e então traça os grácos de f (x) e de f 0 (x):

> f(x) = (sqrt(exp(x)) - x3 + 50*x)/100


> df(x) = diff(f,x)
> plot(f,-10,17,gridlines=true) + plot(df,-10,17,color='red')

O resultado da execução desse código é o gráco mostrado na gura 3.24. Essa é a mesma gura
mostrada anteriormente, que é exibida novamente aqui por conveniência.
CAPÍTULO 3. DERIVADAS 116

f(x)
f 0 (x)
15

10

-10 -5 5 10 15

-5

-10

Figura 3.24: Grácos da função f (x) (azul) e de sua derivada f 0 (x) (vermelho).

Estamos interessados em descobrir quais são os valores de x para os quais a função f (x) atinge
valores máximos ou mínimos. Pela observação dos grácos ca evidente que, no trecho mostrado no
gráco, f (x) apresenta um mínimo próximo a x = −5, depois um máximo próximo a x = 5, depois
novamente um mínimo próximo a x = 14. Esses pontos de mínimo e de máximo correspondem
exatamente a raízes de f 0 (x). O código a seguir encontra as posições dessas raízes:

> r1 = find_root(df,-10,0)
> r2 = find_root(df,0,10)
> r3 = find_root(df,10,15)
> print(r1,r2,r3)

Como resultado da execução desse código, o Sage devolve a seguinte resposta:

(-4.085129448181479, 4.249955087323902, 13.944703643579437)

Observando ao mesmo tempo o gráco de f 0 (x) na gura 3.24 e esses valores das raízes de f 0 (x),
podemos chegar às seguintes conclusões:

ˆ f (x) tem um mínimo em x = −4.0851;

ˆ f (x) tem um máximo em x = 4.2499;

ˆ f (x) tem um mínimo em x = 13.9447.

Para vericar visualmente que esses resultados estão corretos, podemos traçar o gráco de f (x)
acrescentando pontos nas coordenadas correspondentes aos mínimos e ao máximo. O código a
seguir, quando executado logo depois dos códigos anteriores, gera a gura desejada:
CAPÍTULO 3. DERIVADAS 117

f(x)

-10 -5 5 10 15

-5

Figura 3.25: Grácos da função f (x) destacando os pontos em que a função atinge valores máximos
e mínimos.

> P = plot(f,-10,17,gridlines=true,legend_label='$f(x)$')
> Q = point([(r1,f(r1)),(r2,f(r2)),(r3,f(r3))],color='red',size=20)
> P + Q

A gura 3.25 mostra o resultado da execução desse código. É possível constatar que os pontos
encontrados com o procedimento numérico de busca dos máximos e mínimos correspondem, em
uma inspeção visual, aos pontos em que o gráco realmente atinge valores máximos e mínimos.
Nossa análise não diz nada a respeito de possíveis máximos ou mínimos de f (x) que pudessem
surgir quando x < −10 nem quando x > 17 porque nós não chegamos a examinar como a função se
comporta fora do trecho mostrado na gura. Uma análise mais detalhada iria mostrar que a função
não tem mínimos ou máximos além daqueles que nós já localizamos.
CAPÍTULO 3. DERIVADAS 118

3.8 Exercícios
Questão 1: Calcule as derivadas das funções abaixo.

a) f (x) = 1

b) f (x) = x

c) f (x) = x2

d) f (x) = x3

e) f (x) = 3

f) f (x) = 3x

g) f (x) = 3x2

h) f (x) = 3x3

i) f (x) = x3 + 2x2 + 3

j) f (x) = −3x5 + x3 − 4x

Questão 2: Calcule as derivadas das funções abaixo.

a) f (x) = x−1
1
b) f (x) =
x
c) f (x) = x−2
1
d) f (x) =
x2
e) f (x) = x−3
1
f) f (x) =
x3
1
g) f (x) = x 2

h) f (x) = x
1
i) f (x) = x 3

j) f (x) = 3 x
1
k) f (x) = x 4

l) f (x) = 4 x
CAPÍTULO 3. DERIVADAS 119

1
m) f (x) = x− 2
1
n) f (x) = 1
x2
1
o) f (x) = √
x
1
p) f (x) = x− 3
1
q) f (x) = 1
x3
1
r) f (x) = √
3
x

Questão 3: Calcule as derivadas das funções abaixo.

5
a) f (x) = x 2

b) f (x) = x5
5
c) f (x) = x 3

3
d) f (x) = x5
5
e) f (x) = x 4

4
f) f (x) = x5
5
g) f (x) = x 6

6
h) f (x) = x5
3
i) f (x) = x 2

j) f (x) = x3
3
k) f (x) = x 4

4
l) f (x) = x3
3
m) f (x) = x 5

5
n) f (x) = x3

Questão 4: Calcule as derivadas das funções abaixo.

5 5
a) f (x) = 2x 2 + 5x 3
√ √3
b) f (x) = 2 x5 + 5 x5
CAPÍTULO 3. DERIVADAS 120

5 √
6
c) f (x) = −3x 4 + 7 x5
1√4 3 3 √
5
d) f (x) = x5 − x 4 + 5 x3
2 7

Questão 5: Calcule as derivadas das funções abaixo.

a) f (x) = sen(x)

b) f (x) = cos(x)

c) f (x) = ln(x)

d) f (x) = exp(x)

e) f (x) = 7 sen(x) − 3 cos(x)

f) f (x) = − ln(x) + 15 sen(x)

g) f (x) = 3 exp(x) − 3 ln(x) + 6 sen(x) − 6 cos(x)



h) f (x) = x − exp(x)
3
i) f (x) = 10 ln(x) − 5x 4
3
j) f (x) = −4 cos(x) + x2 − 7x +
x
x 7 exp(x) 2 cos(x)
k) f (x) = − + − √
7 x 5 2

3 2
l) f (x) = 5 sen(x) − 3
x

3
√3 3
m) f (x) = x2 + 2 x + √
2
cos(x) 3
n) f (x) = −√
π x

Questão 6: Calcule as derivadas das funções abaixo.

a) f (x) = sen(x) cos(x)

b) f (x) = cos(x) sen(x)

c) f (x) = exp(x) sen(x)

d) f (x) = ln(x) cos(x)

e) f (x) = ex ln(x)

f) f (x) = x sen(x)
CAPÍTULO 3. DERIVADAS 121

g) f (x) = x cos(x)

h) f (x) = x ln(x)

i) f (x) = xex

j) f (x) = x2 sen(x)

k) f (x) = x2 ex

l) f (x) = (x2 + 3x + 1) ln(x)



m) f (x) = ex (x−1 + x + 2 ln(x))

n) f (x) = ( sen(x) + 4 cos(x)) 3 x
 
1
o) f (x) = ln(x) + √ (5ex + 3 sen(x) + 1)
x
p) f (x) = x ex sen(x)

q) f (x) = (x2 + 3x + 1) ln(x) sen(x)

Questão 7: Calcule as derivadas das funções abaixo.

1
a) f (x) =
cos(x)
1
b) f (x) =
ex

2
c) f (x) =
ln(x)

x
d) f (x) =
ln(x)
sen(x)
e) f (x) =
cos x
x2 − 3x + 1
f) f (x) =
x2 + 2
1
g) f (x) =
x2 +2
x2 − 3x + 1
h) f (x) =
x2
exp(x) + 1
i) f (x) =
ln(x) + 1
CAPÍTULO 3. DERIVADAS 122


ln(x) − x3 + x
j) f (x) =
exp(x) + 2 sen(x)
1
k) f (x) = + sen(x) cos(x)
cos(x)

2
l) f (x) = − exp(x) sen(x)
ln(x)

x
m) f (x) = + 10ex ln(x)
ln(x)
sen(x)
n) f (x) = (x2 + 3x + 1)
cos x
x2 − 3x + 1
o) f (x) = (x3 + sen(x))
x2 + 2
sen(x) x2 − 3x + 1
p) f (x) = +
x2 + 2 x2 − cos(x)

exp(x) + 1 ln(x) − x3 + x
q) f (x) = ·
ln(x) + 1 exp(x) + 2 sen(x)

Questão 8: Considere as seguintes funções:


3
p(x) = sen(x) q(x) = x2
w(x) = x5 + 3x3 − 1 z(x) = ln(x) − exp(x)

Calcule a expressão das seguintes funções:

a) f (x) = p(q(x))

b) f (x) = q(p(x))

c) f (x) = w(z(x))

d) f (x) = z(w(x))

e) f (x) = p(q(z(x)))

f) f (x) = z(q(p(x)))

g) f (x) = p(x)q(x)

h) f (x) = q(x)z(x)

i) f (x) = p(x)q(x)w(x)

j) f (x) = p(x)q(z(x))
CAPÍTULO 3. DERIVADAS 123

k) f (x) = p(z(x))q(x)
p(x)
l) f (x) =
q(x)
p(q(x))
m) f (x) =
z(x)
p(x)
n) f (x) =
q(z(x))
p(x) z(x)
o) f (x) =
q(x) w(x)
A seguir, determine a derivada de cada f (x).

Questão 9: As funções f (x) abaixo podem ser representadas na forma de funções compostas, tais
quef (x) = p(q(x)). Em cada caso, determine as funções p(x) e q(x) que permitem tal representação:

a) f (x) = x3 + 5x
1
b) f (x) =
x3 + 5x
c) f (x) = cos(x3 + 5x)

d) f (x) = (cos(x))3 + 5 cos(x)



e) f (x) = exp( x)
1
f) f (x) = √
5
x +3
A seguir, determine a derivada de cada f (x).

Questão 10: Calcule as derivadas das funções a seguir:

x3 + 3 sen(x)
a) f (x) = √
3x2 + 5

b) f (x) = (x3 + 3 sen(x))( 3x2 + 5)
exp(x3 − cos(x))
c) f (x) =
x2 − ln(x)
x3 cos(x)
d) f (x) =
(x2 + 1) ln(x)
CAPÍTULO 3. DERIVADAS 124

Questão 11: As funções f (x) abaixo têm, em sua expressão, a presença de uma outra função g(x).
Em cada caso, calcule a expressão da derivada de f (x):

a) f (x) = g(x). x3 + 5x
g(x)
b) f (x) =
x3 + 5x
c) f (x) = cos(g(x) + 5)

d) f (x) = (g(x))3 + 5 cos(x)



e) f (x) = g( x)

x5 + 3
f) f (x) =
g(x)
g) f (x) = ln(g(x + 1))

h) f (x) = cos(ln(x) + g(x))



x+1
i) f (x) =
g(x) + exp(x)

Questão 12: Determine todos os pontos de máximo local e de mínimo local das funções abaixo:

1 4
a) f (x) = − x + 5x2 + 100
20

x exp(−(x − 3)2 )
b) f (x) = 2 +
x +1 2
Capítulo 4

Integrais

4.1 Integral indenida


Juntamente com a ideia de derivada, a noção de integral forma o conjunto das ferramentas que
foram desenvolvidas para permitir a compreensão detalhada do comportamento das funções reais
de uma variável real. Relembramos o conceito de derivada de uma função como sendo a inclinação
da reta tangente ao gráco dessa função, em cada ponto. Esse conceito é ilustrado na gura 4.1.
No capítulo anterior, o conceito de derivada foi discutido de acordo com a seguinte sequência: (i)
supunha-se que uma função f (x) seja conhecida; (ii) a partir da função f (x), era determinada a sua
derivada, f 0 (x), que correspondia a uma outra função que indicava a inclinação do gráco de f (x)
em cada ponto x.
Neste capítulo, iremos apresentar o conceito de integral de uma função. Para discutir esse
processo de integração, seguiremos uma sequência que produz passos em sentido contrário aos da
sequência anterior:

ˆ Supomos agora que conhecemos a derivada f 0 (x) de uma função. A própria função f (x) não
é, a princípio, conhecida.

ˆ Sabemos que o gráco da função f (x) passa por determinado ponto (x0 , f (x0 )).

ˆ Sabemos ainda qual é a direção que deve ser seguida para traçar o gráco da função, começando
pelo ponto (x0 , f (x0 )). A cada ponto traçado, sempre sabemos em qual direção devemos traçar
o próximo ponto. Essa informação vem da derivada f 0 (x) da função.

ˆ Desta forma, conseguimos recuperar o gráco da função f (x) a partir da informação de sua
0
derivada f (x). Equivalentemente, conseguimos recuperar a própria função f (x) a partir da
0 0
expressão da derivada f (x). A essa operação de recuperação de f (x) a partir de f (x) nós
denominamos integração.

O conceito de integração é ilustrado na gura 4.2.


Para desenvolvermos o conceito de integral, utilizaremos a seguinte notação para representar a
integral de f em relação a x: Z
F (x) = f (x)dx

125
CAPÍTULO 4. INTEGRAIS 126

6
4
2

-4 -2 2 4 6 8 10
-2

2
1
-4 -2 2 4 6 8 10
-1
-2
-3
-4
-5

Figura 4.1: Representação do conceito de derivada como inclinação da reta tangente. A gura de
cima mostra o gráco da função f (x), superposto a setas que indicam a inclinação desse gráco em
diversos pontos. O valor dessa inclinação é igual ao valor da derivada da função, f 0 (x), em cada
ponto, que é mostrada na gura de baixo.
CAPÍTULO 4. INTEGRAIS 127

6
4
2

-4 -2 2 4 6 8 10
-2

2
1
-4 -2 2 4 6 8 10
-1
-2
-3
-4
-5

Figura 4.2: Representação do conceito de integração. A gura de cima mostra que é possível
recuperar o gráco da função f (x) se conhecermos um ponto de partida e a direção para a qual deve
ser traçado o próximo ponto. Sempre que um ponto for acrescentado, saberemos em qual direção
devemos nos mover para traçar o próximo ponto. A gura de baixo mostra a função derivada f 0 (x),
que é o local onde está essa informação sobre qual direção deve ser seguida para traçar cada próximo
ponto.
CAPÍTULO 4. INTEGRAIS 128

Tabela 4.1: Expressões das integrais indenidas de funções elementares.


Z
f (x) f (x)dx

função nula 0 C

função constante K Kx + C

xn+1
função potência inteira de x xn +C
n+1
xa+1
função potência real de x xa +C
a+1

função exponencial ex ex + C

1
função logaritmo ln(x) + C
x

função seno sen(x) − cos(x) + C

função cosseno cos(x) sen(x) +C

A operação de integração, como vimos, produz um efeito inverso ao efeito da operação de derivação.
Por esse motivo, dizemos que a integral pode ser interpretada como uma anti-derivada. Isso é
expresso pela seguinte relação:
dF
= f (x)
dx
ou seja, a derivada da integral de f (x) tem de ser a própria f (x).
Poderia parecer então, a princípio, que para se obter a expressão da integral de uma função
f (x), basta se tomar a tabela de derivadas de funções, e olhar qual é a função F (x) cuja derivada é
igual a f (x). Essa função seria a integral de f (x). Esse raciocínio está quase certo, exceto por um
detalhe: acontece que a derivada de uma constante é sempre igual a zero. Isso signica que, quando
perguntamos qual é a integral de zero, no sentido de perguntar qual é a função cuja derivada é igual
a zero, a resposta é: qualquer função constante atende a essa condição. Ou seja:

dC
=0
dx
Z
0dx = C

sendo C uma constante qualquer. Para levar esse fato em consideração, a tabela de integrais das
funções elementares é montada como mostrado na Tabela 4.1.
Devido à presença dessa constante, a princípio desconhecida, no resultado da operação de inte-
gração, a integral formulada desta maneira é chamada de integral indenida. O leitor mais curioso
CAPÍTULO 4. INTEGRAIS 129

Tabela 4.2: Propriedades de integrais.

Z Z
produto por uma constante: K f (x)dx = K f (x)dx

Z Z Z
soma de funções: (f1 (x) + f2 (x))dx = f1 (x)dx + f2 (x)dx

Z Z Z
subtração de funções: (f1 (x) − f2 (x))dx = f1 (x)dx − f2 (x)dx

Z Z Z
em geral: (K1 f1 (x) + K2 f2 (x))dx = K1 f1 (x)dx + K2 f2 (x)dx

é convidado a reetir sobre a relação que existe entre essa constante desconhecida e a operação de
se traçar um gráco conhecendo apenas a direção a ser seguida para se traçar cada próximo ponto:
diferentes escolhas de um valor inicial f (0) para a função no ponto x=0 irão produzir grácos que
seguirão o mesmo desenho, porém estarão localizados em diferentes alturas no plano cartesiano.
Além de conhecermos as integrais de funções elementares, também será necessário conhecermos
algumas propriedades básicas de integrais para podemos trabalhar com elas. A Tabela 4.2 mostra
essas propriedades.
Antes de prosseguirmos, convém apresentarmos um exemplo sobre o uso de uma integral para
análise de uma situação do mundo real. Desta forma, deverá car mais claro o signicado da
operação de integração.

Exemplo 4.1 Uma esfera de madeira cuja massa é de 1kg é solta encontra-se inicialmente em repouso.
No instante t = 0, essa esfera é solta de uma altura de 10m. Determine a expressão da altura y em que se
encontra a esfera, como função do tempo t (ou seja, determine a expressão de y(t)). Considere a aceleração
2
da gravidade igual a 10m/s .

Resolução: Para se resolver essa equação, aplica-se a lei de Newton:

X
F =m·a

ou seja, a somatória das forças que agem sobre o objeto é igual à massa do objeto vezes a sua aceleração.
Existe uma única força atuando sobre a esfera, que é a força peso, que é constante e igual a p = −10,
sendo que o sinal negativo signica que essa força é para baixo. A aceleração, por sua vez, é igual à taxa de
variação da velocidade v(t), e a velocidade é igual à taxa de variação da posição y(t). A expressão da lei de
Newton ca então:
d2 y
= −10
dt2
Queremos saber qual é a expressão de y(t). Para isso integramos duas vezes a expressão acima, de forma a
recuperar a expressão de y(t). Integrando uma vez, obtemos:
Z
dy
= (−10)dt = −10t + C1
dt
CAPÍTULO 4. INTEGRAIS 130

10

0.2 0.4 0.6 0.8 1 1.2 1.4

Figura 4.3: Gráco da altura em que a esfera se encontra, y(t), como função do tempo.

Deve-se notar que, de acordo com a tabela de integrais, a integral de uma constante, no caso igual a -10, é
igual a essa constante vezes a variável (que agora é t, que representa o tempo), mais uma constante, aqui
dy
indicada por C1 . Note-se que dt é a taxa de variação da posição da esfera, ou seja, é a velocidade da esfera.
Como o enunciado do problema armou que a esfera partiu do repouso, temos que:

dy
(0) = −10(0) + C1 = 0
dt
ou seja, a velocidade inicial da esfera era igual a zero. Isso signica que a constante C1 , neste caso, também
é igual a zero. A equação da velocidade ca então:

dy
= −10t
dt
Temos de integrar essa expressão para nalmente obter a expressão de y(t):

t2
Z
y(t) = (−10t) dt = −10 + C2 = −5t2 + C2
2
O enunciado da questão arma que, no instante inicial, a esfera se encontra a uma altura de 10m, ou seja:

y(0) = −5(02 ) + C2 = C2 = 10

Então, a expressão de y(t) ca:


y(t) = −5t2 + 10
A gura 4.3 mostra a altura da esfera em relação ao chão, como função do tempo.


CAPÍTULO 4. INTEGRAIS 131

4.1.1 Cálculo de integrais indenidas no Sage


O sistema Sage pode ser empregado para determinar a expressão da integral indenida de uma
função, por meio do comando integral. Supondo que a expressão da função f (x) já tenha sido
denida no Sage, deseja-se calcular a expressão de sua integral indenida. O código para a execução
desse cálculo no Sage é mostrado a seguir:

> F(x) = integral(f,x)

Nessa linha de código, o comando integral recebe como entradas f, que é a variável computa-
cional que armazena a expressão de f (x), e x, que representa a variável da função f (x) em relação
à qual será realizada a operação de integração. O resultado dessa operação, que é a expressão da
integral de f (x), é armazenada em F.
Para exemplicar a realização de uma operação de integração no Sage, o código a seguir realiza
a integração da função f (x) = x sen(2x):

> f(x) = x*sin(2*x)


> F(x) = integral(f,x)
> show(F)

A primeira linha desse código dene a expressão de f (x). A segunda linha realiza o cálculo da
integral, que resulta na expressão de F (x). A terceira linha provoca a exibição dessa expressão.
Quando esse código é executado, o sistema Sage produz a seguinte resposta:

1 1
x 7→ − x cos(2x) + sin(2x)
2 4

Essa resposta signica que a expressão que se encontra armazenada em F, que foi exibida devido
ao comando show(F), é uma função da variável x, sendo expressa como − 21 x cos(2x) + 14 sin(2x). É
fácil vericar que essa expressão é de fato a integral de f (x); isso pode ser constatado calculando-se
a derivada dessa expressão, o que conduz de volta à expressão de f (x).
O leitor mais atento, entretanto, já deve ter notado que falta um detalhe na resposta apresentada
pelo Sage: a constante arbitrária resultante da integração não é mostrada no resultado.
Na verdade, em F(x) ca armazenada a expressão de uma primitiva de f (x), ou seja, uma função
cuja derivada é f (x). Para se obter a expressão da integral indenida, o leitor deve acrescentar a
constante de integração: Z
f (x)dx = F (x) + C

4.2 Integração por substituição


O cálculo das expressões de integrais de funções, quando não se tratar da integração de funções
elementares, é uma tarefa que requer a utilização de técnicas especícas, adequadas para cada tipo
de função. Há uma grande variedade de situações, o que leva a que exista um grande número de
técnicas de integração diferentes. No âmbito deste curso, iremos estudar apenas um tipo de técnica
de integração: a integração por substituição.
CAPÍTULO 4. INTEGRAIS 132

4.2.1 Dedução da regra de integração por substituição


Partimos da regra de cálculo da derivada de funções compostas (regra da cadeia):

d[f (g(x))]
= f 0 (g(x)) · g 0 (x) (4.1)
dx
Integrando esta equação: Z
f 0 (g(x)) · g 0 (x) dx = f (g(x)) (4.2)

Fazemos a seguinte mudança de variável:

du
u = g(x) ⇒ = g 0 (x) (4.3)
dx
Reescrevemos a equação (4.2) evidenciando termos que serão substituídos por essas variáveis:

Z
f 0 (g(x)) · g 0 (x) dx = f (g(x))
(4.4)

u = g(x) du = g 0 (x) dx

Fazendo a substituição obtemos nalmente:


Z
f 0 (u) du = f (u) = f (g(x)) (4.5)

4.2.2 Procedimento passo-a-passo para integração por substituição


Mostraremos o procedimento para a integração por substituição utilizando o seguinte problema-
exemplo: Z
2
sen(x ) · 2x dx

Os passos para a resolução do problema são os seguintes:

1. Olhamos para a função a ser integrada: sen(x


2) · 2x

2. Nessa função, identicamos duas expressões que dependem da variável x que, neste exemplo,
estão realçadas em vermelho e em azul, ou seja, x2 e 2x, que são tais que:

(i) A função a ser integrada, sen(x


2) · 2x, é igual ao produto de uma função da expressão
2
vermelha, sen(x ), pela expressão azul, 2x, e

dx2
(ii) A expressão azul, 2x, é igual à derivada da expressão vermelha, x2 , ou seja: = 2x.
dx
Como as condições (i) e (ii) são vericadas, então o método da integração por substituição
pode ser aplicado.

du
3. Denimos então uma nova variável u = x2 . É claro que:
dx = 2x. Então podemos dizer que:
du = 2x dx.
CAPÍTULO 4. INTEGRAIS 133

4. Tomamos então a integral a ser calculada:


Z
2
sen(x ) · 2x dx

Como u = x2 e du = 2x dx, nós fazemos essas substituições, obtendo uma integral na variável
u. No caso do exemplo, o resultado dessa substituição é a integral:
Z
sen(u) · du

5. Resolvemos então a nova integral, na variável u. No caso do exemplo:


Z
sen(u) · du = − cos(u) + C

6. Finalmente, retornamos para a variável x. No caso deste exemplo, u = x2 , o que leva a:

− cos(u) + C = − cos(x2 ) + C

7. Com isso resolvemos o problema, ou seja, descobrimos que:


Z
2
sen(x ) · 2x dx = − cos(x2 ) + C

4.2.3 Exemplos
A seguir são apresentados alguns exemplos de cálculo de integrais pela técnica de substituição, sendo
as contas realizadas manualmente.

Z p
(1) x2 + 3x + 1 · (2x + 3) dx

u = x2 + 3x + 1 → du = (2x + 3) dx
3
√ 2√ 3
Z p Z
u2
x2 + 3x + 1 · (2x + 3) dx = u du = 3 + C = u +C
2
3

2p 2
= (x + 3x + 1)3 + C
3

Z p
1
(2) ln(x) + 1 · dx
x
1
u = ln(x) + 1 → du = dx
x
3
√ 2√ 3
Z p Z
1 u2
ln(x) + 1 · dx = u du = 3 + C = u +C
x 2
3

2p
= (ln(x) + 1)3 + C
3
CAPÍTULO 4. INTEGRAIS 134

Z
x
(3) √ dx
4x2 + 1

u = 4x2 + 1 → du = 8x dx
1
1√
Z Z
1 1 1 1 1 u2
√ · (8x) dx = √ du = 1 + C = u+C
4x + 1 8
2 8 u 8 2 4

1p 2
= 4x + 1 + C
4

Z
cos(x)
(4) p dx
1 + sen(x)

u=1+ sen(2x) → du = 2 cos(2x) dx


1

Z Z
1 1 1 1 1 u2
p ·
· 2 cos(2x) dx = √ du = 1 + C = u + C
1+ sen(2x) 2 2 u 2 2
p
= 1+ sen(2x) +C

Z  
1
(5) sen(ln(x) + x2 ) · + 2x dx
x
 
2 1
u = ln(x) + x → du = + 2x dx
x
Z   Z
2 1
sen(ln(x) +x )· + 2x dx = sen(u) du = − cos(u) + C
x

= − cos(ln(x) + x2 ) + C

4.2.4 Exemplos no Sage


A seguir, os mesmos exemplos de cálculo de integrais mostrados anteriormente são novamente
resolvidos, agora utilizando o sistema Sage.
CAPÍTULO 4. INTEGRAIS 135

Z p
(1) x2 + 3x + 1 · (2x + 3) dx

Código Sage:

> f(x) = sqrt(x2 + 3*x + 1)*(2*x+3)


> F(x) = integral(f,x)
> show(F)

Resultado:

2 2 3
x 7→ x + 3x + 1 2
3

Z p
1
(2) ln(x) + 1 · dx
x

Código Sage :
1

> f(x) = sqrt(log(x) + 1)/x


> F(x) = integral(f,x)
> show(F)

Resultado:

2 3
x 7→ (log(x) + 1) 2
3

Z
x
(3) √ dx
4x2 + 1
Código Sage:

> f(x) = x/sqrt(4*x2+ 1)


> F(x) = integral(f,x)
> show(F)

Resultado:

1
Deve-se notar que, por convenção, o Sage utiliza a função log para designar a função logaritmo neperiano.
CAPÍTULO 4. INTEGRAIS 136

1p 2
x 7→ 4x + 1
4

Z
cos(x)
(4) p dx
1 + sen(x)

Código Sage:

> f(x) = cos(x)/sqrt(1 + sin(x))


> F(x) = integral(f,x)
> show(F)

Resultado:

p
x 7→ 2 sin(x) + 1

Z  
1
(5) sen(ln(x) +x )·2
+ 2x dx
x

Código Sage :
2

> f(x) = sin(log(x) + x2)*(1/x + 2*x)


> F(x) = integral(f,x)
> show(F)

Resultado:

x 7→ − cos(x2 + log(x))

Chamamos a atenção para a principal diferença entre os resultados apresentados pelo sistema
Sage e os resultados obtidos pelo cálculo manual: o sistema Sage não mostra a constante de
integração que deve fazer parte de toda expressão que representa o resultado de uma integral
indenida. O usuário deve se lembrar disso, e deve acrescentar tal constante sempre que estiver
resolvendo um problema de cálculo de uma integral indenida utilizando o sistema Sage.

2
Deve-se notar que, por convenção, o Sage utiliza a função log para designar a função logaritmo neperiano.
CAPÍTULO 4. INTEGRAIS 137

4.3 Integração por partes


Por questão de completude, apresentamos nesta seção a técnica de integração por partes. Embora
a utilização desta técnica não seja cobrada em avaliações no âmbito deste curso, essa técnica é
uma das que são empregadas com maior frequência (juntamente com a técnica de integração por
substituição). Assim, apresentamos essa técnica para que o estudante interessado tenha acesso à
mesma.

4.3.1 Dedução da regra de integração por partes


Partimos da regra de cálculo da derivada de um produto de duas funções:

d[f (x) · g(x)]


= f 0 (x) · g(x) + f (x) · g 0 (x) (4.6)
dx
Integrando esta equação:

Z
f 0 (x) · g(x) + f (x) · g 0 (x) dx = f (x) · g(x)

(4.7)

Z Z
0
f (x) · g(x)dx + f (x) · g 0 (x)dx = f (x) · g(x) (4.8)

Fazemos as seguintes mudanças de variáveis:

du
u = f (x) ⇒ = f 0 (x)
dx
(4.9)
dv
v = g(x) ⇒ = g 0 (x)
dx
Reescrevemos a equação (4.8) evidenciando termos que serão substituídos por essas variáveis:

Z Z
f (x) · g 0 (x) dx = f (x) · g(x) − g(x) · f 0 (x) dx
 
(4.10)

Fazendo a substituição obtemos nalmente:

Z Z
u dv = u · v − v du (4.11)

4.3.2 Exemplos
Alguns exemplos de aplicação da técnica de integração por partes são mostrados a seguir.

Z
(1) x· sen(x) dx
CAPÍTULO 4. INTEGRAIS 138

u = x → du = dx

dv = sen(x) dx → v = − cos(x)
Z Z
u dv = x· sen(x) dx

Z Z
=u·v− v du = −x · cos(x) − (− cos(x)) dx

= −x · cos(x) + C

Observação: Se zéssemos u= sen(x) e dv = x dx chegaríamos a:

x2 x2
Z Z
x· sen(x)dx = sen(x) − cos(x)dx
2 2
que é uma expressão mais complicada que a inicial.

Z
(2) t2 · et dt
Z
I= t2 · et dt

u = t2 → du = 2t dt

dv = et dt → v = et
Z
I = t2 · et − 2t · et dt

Z
J= 2t · et dt

u = 2t → du = 2dt

dv = et → v = et
Z
t
J = 2t · e − 2 et dt = 2t · et − 2et + C

I = t2 · et − 2t · et + 2et − C
CAPÍTULO 4. INTEGRAIS 139

Z
(3) ex · sen(x) dx
Z
I= ex · sen(x) dx

u = ex → dx = ex dx

dv = sen(x) dx → v = − cos(x)
Z
x
I = −e · cos(x) + ex · cos(x) dx

= −ex · cos(x) + J

u = ex → du = ex dx

dv = cos(x) dx → v = sen(x)

Z
x
J =e · sen(x) − sen(x) · ex dx = ex · sen(x) −I

⇒ I = −ex · cos(x) + ex · sen(x) −I +C

−ex · cos(x) + ex · sen(x) +C


I=
2

Z
(4) ln(x) dx

1
u = ln(x) → du = dx
x

dv = dx → v = u
Z Z
1
ln(x)dx = x · ln(x) − x dx
x
Z
= x · ln(x) − dx

= x · ln(x) − x + C

Como a maneira de resolver essas integrais utilizando o sistema SageMath é exatamente o


mesmo já mostrado anteriormente, não serão aqui mostrados os códigos SageMath e os respectivos
CAPÍTULO 4. INTEGRAIS 140

2.5

1.5

0.5

0
1 2 a 3 4 5 b 6 7

Figura 4.4: Gráco de uma função f (x) destacando, em hachurado, a região entre o gráco e o eixo
dos x, no intervalo entre x=a e x = b. Deseja-se calcular o valor dessa área hachurada.

resultados. O estudante interessado conseguirá resolver todas essas integrais com o SageMath, sem
diculdade.

4.4 Integral denida


Na seção anterior, foi mostrada a interpretação de integral como sendo a operação inversa da
derivada. Agora mostraremos que a integral de uma função pode ser interpretada como a área sob
o gráco dessa função.
Para mostrar essa interpretação, começaremos por fazer uma construção geométrica que permita
calcular um valor aproximado para essa área. Tal construção será baseada no cálculo de áreas de
retângulos, que irão aproximar a área a ser determinada. Em termos gerais, desejamos calcular
a área delimitada entre o gráco de uma função f (x) e o eixo dos x, no intervalo compreendido
entre x = a e x = b. Inicialmente, consideraremos a situação em que f (x) > 0 em todo o intervalo
a ≤ x ≤ b. A gura 4.4 ilustra essa situação geral.
2
Para exemplicar, consideraremos a função f (x) = x , sendo os extremos do intervalo dados
por a = 1 e b = 3. A gura 4.5 mostra o gráco dessa função, sendo que no trecho 1 ≤ x ≤ 3 a
área entre o gráco da função e o eixo dos x encontra-se hachurada. Desejamos calcular o valor
dessa área hachurada. A gura 4.6 mostra como a área a ser determinada pode ser aproximada
por 10 retângulos, todos de base igual, e com alturas que correspondem aos valores de f (x) para
os diferentes valores de x em que começa cada retângulo. Na gura 4.6 a área da aproximação
realizada pelos retângulos é indicada em cinza. Essa aproximação dada pela soma das áreas dos
retângulos resulta em uma área igual a 7.88. A diferença entre a área que se deseja calcular e a
CAPÍTULO 4. INTEGRAIS 141

15

10

1 2 3 4

Figura 4.5: Gráco da função f (x) = x2 destacando, em hachurado, a região entre o gráco e o eixo
dos x, no intervalo entre x = 1 e x = 3. Deseja-se calcular o valor dessa área hachurada.

0
1 1.5 2 2.5 3

Figura 4.6: Aproximação da região abaixo do gráco da função f (x) = x2 por 10 retângulos. Em
cinza, é mostrada a área dos retângulos. Em amarelo, é mostrada a área que corresponde à diferença
entre a área abaixo do gráco de f (x) e a área aproximada pelos retângulos, ou seja, a área em
amarelo corresponde ao erro dessa aproximação.
CAPÍTULO 4. INTEGRAIS 142

área encontrada por tal aproximação por retângulos corresponde à área indicada em amarelo nessa
gura. Essa área em amarelo corresponde, portanto, ao erro da aproximação.
A expressão para a área dada pela soma das áreas dos retângulos pode ser obtida notando-se
que a base de cada retângulo é dada por:

b−a
δ=
N
Nessa expressão, a e b correspondem aos extremos do intervalo no qual se deseja calcular a área sob
o gráco da função, e N corresponde ao número de retângulos com que se faz a aproximação. Já a
altura de cada retângulo é dada por:
h = f (a + kδ)
onde k é um número inteiro que signica, para k = 1, o primeiro retângulo, para k = 2, o segundo
retângulo, e assim por diante, até o último dos N retângulos. A aproximação da área é dada então
por:
N
X
A= δ · f (a + kδ)
k=1
ou seja, a área corresponde à soma das áreas dos N retângulos.
Quando aumentamos o número de retângulos com que é feita a aproximação, por exemplo
passando a aproximação a ser feita com 40 retângulos, o erro de aproximação diminui. A área
calculada com a aproximação dada por esse número de retângulos ca igual a 8.4675. Esse efeito é
mostrado na gura 4.7. Essa observação motiva o seguinte procedimento: podemos tomar o limite
da área aproximada pelos retângulos, quando o número de retângulos tende a innito:

N  
X b−a b−a
A = lim ·f a+k
N →∞ N N
k=1

A esse limite damos o nome de integral denida da função f (x) no intervalo [a, b]:

b N  
b−a b−a
Z X
f (x)dx = lim ·f a+k
a N →∞ N N
k=1

Um resultado de grande importância, que leva o nome de Teorema Fundamental do Cálculo,


revela a relação que existe entre os conceitos de integral denida e de integral indenida. Esse
teorema diz que:

ˆ Consideremos uma função f (x).

ˆ Sabemos que a integral indenida da função f (x) é dada pela função:


Z
F (x) = f (x)dx

ˆ Então a integral denida da função f (x) no intervalo a≤x≤b é dada por:

Z b
f (x)dx = F (b) − F (a)
a
CAPÍTULO 4. INTEGRAIS 143

0
1 1.5 2 2.5 3

Figura 4.7: Aproximação da região abaixo do gráco da função f (x) = x2 agora com 40 retângulos.
Em cinza, é mostrada a área dos retângulos. Em amarelo, é mostrada a área que corresponde à
diferença entre a área abaixo do gráco de f (x) e a área aproximada pelos retângulos, ou seja, a
área em amarelo corresponde ao erro dessa aproximação. Deve-se notar que o erro agora é bem
menor que no caso de 10 retângulos.
CAPÍTULO 4. INTEGRAIS 144

Ou seja, podemos calcular a área sob o gráco de uma função f (x) utilizando a expressão da integral
indenida (ou anti-derivada) de f (x).
Aplicando esse resultado ao exemplo que vimos desenvolvendo ao longo desta seção, temos que
a área localizada entre o gráco da função f (x) = x2 e o eixo dos x, no intervalo 1 ≤ x ≤ 3, pode
ser calculada de maneira exata da seguinte forma:

ˆ Primeiro, achamos a integral indenida da função f (x) = x2 :

x3
Z
F (x) = x2 dx = +C
3

ˆ A seguir, utilizamos essa função para fazer o cálculo da integral denida:

3
33 13
Z    
2 26
A= x dx = F (3) − F (1) = +C − +C = ≈ 8.67
1 3 3 3

O leitor mais atento já terá notado que a constante desconhecida C que aparece na expressão da
integral indenida não irá nunca afetar o cálculo da integral denida, uma vez que ela sempre será
cancelada quando calculamos a diferença entre F (b) e F (a).

4.4.1 Integral denida em geral


Embora a integral denida tenha sido apresentada a partir da sua interpretação como uma área sob
o gráco de uma função, na situação geral não há necessidade de que tal interpretação seja adotada.
A expressão:
Z b
f (x)dx = F (b) − F (a)
a
será sempre válida, servindo como denição do conceito de integral denida, sendo que a expressão
da função F (x) é dada pela integral indenida de f (x):
Z
F (x) = f (x)dx

A seguinte notação é utilizada para representar a operação F (b) − F (a) de maneira mais sintética:

Z b b
f (x)dx = F (x) = F (b) − F (a)
a a

O exemplo a seguir mostra o cálculo da integral denida de uma função.

Exemplo 4.2 Deseja-se calcular a seguinte integral denida:


Z π
2x3 + 5 sen(x) dx

2

Resolução: Iniciamos por calcular a integral indenida, a partir da tabela de integrais indenidas das funções

elementares:
x4 x4
Z
2x3 + 5 sen(x) dx = 2 − 5 cos(x) + C =

− 5 cos(x) + C
4 2
CAPÍTULO 4. INTEGRAIS 145

Note-se que podemos colocar apenas uma constante desconhecida C na expressão da integral indenida, uma
vez que uma soma de constantes desconhecidas é uma constante desconhecida. A integral denida é então
calculada:
π π
x4
Z  
2x3 + 5 sen(x) dx =

− 5 cos(x) =
2 2 2

π4
   4 
2
= − 5 cos(π) − − 5 cos(2) =
2 2

π4
= − 3 + 5 cos(2)
2

4.4.2 Cálculo de integrais denidas no Sage


O sistema Sage pode ser empregado para determinar o valor da integral denida de uma função,
o que é feito por meio do mesmo comando integral que já havia sido utilizado para o cálculo da
expressão de integrais indenidas. Supondo que a expressão da função f (x) já tenha sido denida
no Sage, deseja-se calcular a expressão de sua integral denida em um intervalo. O código para a
execução desse cálculo no Sage é mostrado a seguir:

> q = integral(f,x,a,b)

Nessa linha de código, o comando integral recebe como entradas: f, que é a variável computa-
cional que armazena a expressão de f (x); x, que representa a variável da função f (x) em relação à
qual será realizada a operação de integração; a, que é o extremo inferior do intervalo de integração;
e b, que é o extremo superior do intervalo de integração. O resultado dessa operação, que é o valor
da integral denida de f (x) no intervalo de a até b, é armazenado em q. Assim, essa operação
resulta no cálculo do valor de q denido como:

Z b
q= f (x)dx
a

Para exemplicar a utilização do Sage para a determinação de integrais denidas, o código a


seguir resolve o mesmo problema de cálculo de uma integral denida que havia sido discutido no
Exemplo 4.2:

> f(x) = 2*x3 + 5*sin(x)


> q = integral(f,x,2,pi)
> show(q)

A primeira linha desse código dene a função f (x) a ser integrada. A segunda linha utiliza o
comando integral para calcular a integral denida de f (x) no intervalo [2, π], armazenando o
resultado em q. A terceira linha provoca a exibição do conteúdo armazenado em q, resultando em:
CAPÍTULO 4. INTEGRAIS 146

1 4
π + 5 cos(2) − 3
2

Esse é o mesmo resultado que já havia sido obtido no Exemplo 4.2.

4.4.3 Área sob o gráco de funções negativas


Até aqui, ao analisarmos problemas de cálculo de áreas, nós consideramos apenas o caso em que a
função f (x) é positiva. No entanto deve-se notar que, no caso de funções negativas, a expressão:

b N  
b−a b−a
Z X
f (x)dx = lim ·f a+k
a N →∞ N N
k=1

f a + k b−a

dará um resultado negativo, pois o termo será negativo. É claro que a área deve ser
N
sempre uma grandeza positiva. Então, nesses casos, a área entre o gráco da função f (x) e o eixo
dos x será dada por:

Z b
A=− f (x)dx , se f (x) < 0 para a≤x≤b
a

Exemplo 4.3 Para exemplicar essa situação, consideremos a função f (x) = −x2 , e vamos calcular a
integral denida dessa função no intervalo 1 ≤ x ≤ 3. Começamos pelo cálculo da expressão da integral
indenida:
x3
Z
F (x) = −x2 dx = − +C
3
A integral denida dessa função no intervalo 1≤x≤3 é dada por:

Z 3  
2 27 1 26
−x dx = F (3) − F (1) = − − − =−
1 3 3 3

Essa integral resulta em um número negativo  o que não consiste em nenhum problema. No entanto, caso
estejamos interessados em calcular a área entre o eixo dos x e o gráco da função, essa área tem de ser um
número positivo, dado por:

Z 3
27 1 26
A=− −x2 dx = −(F (3) − F (1)) = − =
1 3 3 3

4.4.4 Área entre grácos de funções


De maneira geral, o cálculo da área compreendida entre os grácos de duas funções, f1 (x) e f2 (x),
no intervalo a ≤ x ≤ b, é feito integrando-se a diferença entre f1 (x) e f2 (x), tomando-se sempre o
cuidado para que essa diferença que positiva:

Z b
A= (f1 (x) − f2 (x))dx sendo f1 (x) > f2 (x) no intervalo a≤x≤b
a
CAPÍTULO 4. INTEGRAIS 147

12

10

0
1.5 2 2.5 3 3.5
-2

Figura 4.8: Deseja-se calcular a área situada entre o gráco da função f1 (x) = x2 e o gráco da
função f2 (x) = −x, no intervalo 2 ≤ x ≤ 3.

Exemplo 4.4 Para exemplicar, vamos calcular a área entre os grácos das funções f1 (x) = x2 e f2 (x) =
−x, no intervalo 2 ≤ x ≤ 3. Essa área é mostrada na gura 4.8. Como a função f1 (x) é maior que a função
f2 (x) no intervalo 2 ≤ x ≤ 3, tomaremos a diferença f1 (x) − f2 (x) para o cálculo da área:
Z 3 Z 3 Z 3
A= (f1 (x) − f2 (x))dx = (x2 − (−x))dx = (x2 + x) dx =
2 2 2

3
x3 x2 33 32 23 22
     
= + = + − +
3 2 2 3 2 3 2

9 8 53
=9+ − −2=
2 3 6

O mesmo cálculo realizado no Exemplo 4.4 pode ser realizado pelo sistema Sage, por meio do
código a seguir:

> f1(x) = x2


> f2(x) = -x
> A = integral(f1-f2,x,2,3)
> show(A)

O leitor deve notar que o código acima dene as funções f1 (x) e f2 (x) nas duas primeiras linhas.
Na terceira linha, o comando integral recebe, como função a ser integrada, a função diferença:
CAPÍTULO 4. INTEGRAIS 148

4
3
2 f2 (x)
1 f3 (x)
0.5 1 1.5 2 2.5 3
-1
f1 (x)
-2
-3
-4

Figura 4.9: Grácos das funções f1 (x), f2 (x) e f3 (x) dendas na equação (4.12). A região delimitada
pelos grácos das três funções é mostrada hachurada em amarelo.

f1 (x) − f2 (x), além da informação de que x é a variável e de que o intervalo de integração é o


intervalo [2, 3]. O resultado da integração é armazenado em A. A quarta linha provoca a exibição
do valor armazenado em A.
Conforme seria de esperar, a execução desse código leva o Sage a exibir o seguinte resultado:

53
6

4.4.5 Área delimitada por grácos de funções


Nos exemplos vistos até este ponto, o problema de cálculo da área entre grácos de funções foi
formulado assumindo que o usuário saiba de antemão qual é o intervalo [a, b] no qual está denida a
área a ser determinada. Um problema também importante, e um pouco mais difícil, ocorre quando
se quer calcular a área de uma região que se encontra completamente delimitada por grácos de
funções. Esse problema é um pouco mais difícil porque, para resolvê-lo, é necessário primeiro
encontrar as interseções entre os grácos das funções que correspondem aos vértices da região cuja
área se quer calcular. Para exemplicar esse problema, consideremos as seguintes funções:

√ 1
f1 (x) = − x f2 (x) = 3 − f3 (x) = 4 − x2 (4.12)
x
Os grácos das funções f1 (x), f2 (x) e f3 (x) são mostrados na gura 4.9. A mesma gura mostra,
hachurada em amarelo, a região que é delimitada pelos grácos das funções.
Para podermos utilizar a técnica de cálculo de área utilizando uma integral denida, é preciso
que os intervalos de integração sejam conhecidos. A gura 4.10 mostra os mesmos elementos da
gura 4.9, acrescentando a exibição dos pontos de interseção entre os grácos das funções, os quais
CAPÍTULO 4. INTEGRAIS 149

4
3
2 f2 (x)
1 f3 (x)
r1 r3
0.5 1 r2 1.5 2 2.5 3
-1
f1 (x)
-2
-3
-4

Figura 4.10: Grácos das funções f1 (x), f2 (x) e f3 (x) dendas na equação (4.12). A região delimi-
tada pelos grácos das três funções é mostrada hachurada em laranja e em verde claro. Os vértices
dessa região estão indicados por pontos pretos, e as coordenadas x dos vértices são indicadas por
r1 , r2 e r3 .

denem os chamados vértices da região delimitada pelos grácos das funções. Examinando a gura
4.10, ca claro que o cálculo da área A da região hachurada pode ser feito utilizando duas integrais
denidas, formuladas da seguinte maneira:
Z r2
A1 = (f2 (x) − f1 (x)) dx
r1
Z r3
(4.13)
A2 = (f3 (x) − f1 (x)) dx
r2

A = A1 + A2
A parcela A1 corresponde à área da região hachurada em laranja, que é limitada superiormente
pelo gráco de f2 (x) e limitada inferiormente pelo gráco de f1 (x). A parcela A2 , por sua vez,
corresponde à área da região hachurada em verde claro, que é limitada superiormente pelo gráco
de f3 (x) e limitada inferiormente pelo gráco de f1 (x). Para se realizar o cálculo dessas duas
parcelas, é necessário conhecer os valores de r1 , r2 e r3 , que correspondem às coordenadas x dos
vértices da região, e que denem os intervalos de integração utilizados na equação (4.13).
Como já foi visto no capítulo 1, a determinação das coordenadas x dos pontos de interseção entre
os grácos de duas funções é equivalente à determinação das raízes da diferença entre as funções.
Isso signica que as seguintes relações são válidas:

f2 (r1 ) − f1 (r1 ) = 0
f3 (r2 ) − f2 (r2 ) = 0 (4.14)

f1 (r3 ) − f3 (r3 ) = 0
CAPÍTULO 4. INTEGRAIS 150

Para calcular r1 , r2 e r3 find_root do Sage. Pela gura 4.10 é


podemos então utilizar o comando
fácil concluir que essas raízes se encontram nos intervalos 0.1 < r1 < 0.5, 1 < r2 < 1.5 e 2 < r3 < 2.5.
O código a seguir faz então a determinação desses três valores:

> f1(x) = -sqrt(x)


> f2(x) = 3 - 1/x
> f3(x) = 4 - x2
> r1 = find_root(f2-f1,0.1,0.5)
> r2 = find_root(f2-f3,1,1.5)
> r3 = find_root(f1-f3,2,2.5)
> print(r1,r2,r3)

O resultado fornecido pelo Sage é:

(0.28311858285794855, 1.3247179572447376, 2.3523926476579553)

Tendo calculado r1 , r2 e r3 , agora é possível calcular as áreas A1 e A2 e, nalmente, a área A da


região delimitada pelos grácos das três funções, utilizando o código a seguir:

> A1 = integral(f2-f1,x,r1,r2)
> A2 = integral(f3-f1,x,r2,r3)
> A = A1 + A2
> print(A)

O sistema Sage retorna o seguinte resultado:

4.433022474245226

Esse é o valor da área A que procurávamos.

Hachurando uma região de uma gura no Sage


Talvez o estudante esteja curioso para saber como é feita a montagem da gura 4.10. O código a
seguir foi utilizado para essa nalidade:

> Q1 = plot(f1,0,3,color='red')
> T1 = text('f1 (x)',(1,-1.5),color='red',fontsize=15)
> Q2 = plot(f2,0.1,3,ymin=-4,color='green')
> T2 = text('f2 (x)',(0.6,2),color='green',fontsize=15)
> Q3 = plot(f3,0,3)
> T3 = text('f3 (x)',(2.03,0.8),fontsize=15)
> FA1 = plot(f1,r1,r2,fill=f2,fillcolor=hue(0.1),color='red')
> FA2 = plot(f1,r2,r3,fill=f3,fillcolor=hue(0.25),color='red')
> PP = point([(r1,f1(r1)),(r2,f2(r2)),(r3,f3(r3))],color='black',size=20)
> L1 = line([(r1,0),(r1,f1(r1))],linestyle='--',color='black')
> TL1 = text('$r_1$',(r1-0.01,0.28),color='black',fontsize=15)
CAPÍTULO 4. INTEGRAIS 151

> L2 = line([(r2,0),(r2,f2(r2))],linestyle='--',color='black')
> TL2 = text('$r_2$',(r2-0.01,-0.28),color='black',fontsize=15)
> L3 = line([(r3,0),(r3,f3(r3))],linestyle='--',color='black')
> TL3 = text('$r_3$',(r3-0.01,0.28),color='black',fontsize=15)
> Graf = FA1 + FA2 + Q1 + Q2 + Q3 + T1 + T2 + T3 + PP + L1 + TL1 + L2 + TL2 + L3 + TL3
> Graf

Nesse código aparece um tipo de comando que não havia sido mostrado antes, que produz o efeito
de hachurar uma região da gura. A sétima e a oitava linhas do código realizam essa operação.
Para entender a lógica desses comandos, examinemos o comando de plot que aparece na sétima
linha:

plot(f1,r1,r2,fill=f2,fillcolor=hue(0.1),color='red')
Esse comando, na verdade, pode ser pensado a partir do seguinte comando que iria traçar um gráco
usual:

plot(f1,r1,r2,color='red')
Esse comando irá traçar o gráco da função f1 (x) no intervalo r1 < x < r2 . A esse comando, são
acrescentados os seguintes elementos:

fill=f2
fillcolor=hue(0.1)
A diretiva fill=f2 diz ao Sage que a gura a ser construída deve ser hachurada entre o gráco da
função f1 (x), que está sendo traçado pelo comando plot, f2 (x). Deve car
e o gráco da função
r1 < x < r2 ,
claro que a região a ser hachurada é a região entre os grácos dessas funções no intervalo
conforme o funcionamento usual do comando plot. Já a diretiva fillcolor=hue(0.1) dene a cor a
ser utilizada para hachurar a região. Se utilizássemos, por exemplo, fillcolor='yellow', a região
seria hachurada com a cor amarela. O comando hue(·) serve para denir uma escala de cores que
varia continuamente com o número entre parêntesis, que pode variar entre 0 e 1. Utilizando esse
comando, uma maior variedade de cores torna-se disponível.
CAPÍTULO 4. INTEGRAIS 152

4.5 Exercícios
Questão 1: Calcule as integrais indenidas indicadas abaixo.
Z
a) 1dx
Z
b) xdx
Z
c) x2 dx
Z
d) x3 dx
Z
e) 3dx
Z
f) 3xdx
Z
g) 3x2 dx
Z
h) 3x3 dx
Z
i) (x3 + 2x2 + 3)dx
Z
j) (−3x5 + x3 − 4x)dx

Questão 2: Calcule as integrais denidas indicadas abaixo.


Z 2
a) 1dx
0
Z 1
b) xdx
−1
Z 3
c) x2 dx
0
Z 4
d) x3 dx
−4
Z 2
e) 3dx
−1
CAPÍTULO 4. INTEGRAIS 153

Z 0
f) 3xdx
−1
Z 4
g) 3x2 dx
2
Z 5
h) 3x3 dx
2
Z 3
i) (x3 + 2x2 + 3)dx
1
Z 1
j) (−3x5 + x3 − 4x)dx
0

Questão 3: Calcule as integrais indicadas abaixo.


Z
a) x−1 dx
Z 2
1
b) dx
1 x
Z −1
c) x−2 dx
−2
Z
1
d) dx
x2
Z
e) x−3 dx
Z 2
1
f) dx
1 x3
Z
1
g) x 2 dx
Z 1√
h) xdx
0
Z
1
i) x 3 dx
Z 3 √
3
j) xdx
−3
Z
1
k) x 4 dx
CAPÍTULO 4. INTEGRAIS 154


Z
4
l) xdx
Z
1
m) x− 2 dx
Z
1
n) 1 dx
x2
Z 4
1
o) √ dx
1 x
Z
1
p) x− 3 dx
Z
1
q) 1 dx
x3
Z
1
r) √
3
dx
x

Questão 4: Calcule as integrais indicadas abaixo.


Z
5
a) x 2 dx
Z √
b) x5 dx
Z 2 5
c) x 3 dx
0
Z √
3
d) x5 dx
Z 2 5
e) x 4 dx
1
Z √
4
f) x5 dx
Z
5
g) x 6 dx
Z 1 √
6
h) x5 dx
0
Z
3
i) x 2 dx
Z π √
j) x3 dx
0
CAPÍTULO 4. INTEGRAIS 155

Z
3
k) x 4 dx
Z √
4
l) x3 dx
Z
3
m) x 5 dx
Z 1 √
5
n) x3 dx
0

Questão 5: Calcule as integrais indicadas abaixo.


Z 3 5 5

a) 2x 2 + 5x 3 dx
0
Z √ √
3
b) (2 x5 + 5 x5 )dx
Z 3 5 √
6

c) −3x + 7
4 x5 dx
1
Z  √ √ 
14 5 3 3 5
d) x − x 4 + 5 x3 dx
2 7

Questão 6: Calcule as integrais indicadas abaixo.


Z
a) sen(x)dx

Z π
b) cos(x)dx
0
Z 2
1
c) dx
1 x
Z 0
d) exp(x)dx
−5
Z 2π
e) (7 sen(x) − 3 cos(x))dx
0
Z
1
f) − + 15 sen(x)dx
x
Z  
3
g) 3 exp(x) − + 6 sen(x) − 6 cos(x) dx
x
Z 4

h) ( x − exp(x))dx
0
CAPÍTULO 4. INTEGRAIS 156

Z  
10 3
i) − 5x 4 dx
x
Z  
2 3
j) −4 cos(x) + x − 7x + dx
x
Z  
x 7 exp(x) 2 cos(x)
k) − + − √ dx
7 x 5 2
Z π √ 
3 2
l) 5 sen(x) − 3 dx
1 x
Z √ √

3
2 3 3
m) x + 2x + √ dx
2
Z 2π  
cos(x) 3
n) −√ dx
π π x

Questão 7: Calcule as integrais indicadas abaixo.


Z π
a) sen(x) cos(x)dx
0
Z 10
1
b) ln(x) dx
1 x
Z π
c) ( sen(x))2 cos(x)dx
−π
Z
1
d) (ln(x))2 · dx
x
Z
e) (x2 + 1)2 · 2xdx
Z p
f) sen(x) cos(x)dx

Z p
1
g) ln(x) · dx
x
Z p
h) x2 + 1 · 2xdx
Z
1
i) cos(x)dx
sen(x)
Z
1 1
j) · dx
ln(x) x
Z
1
k) · 2xdx
x2 + 1
CAPÍTULO 4. INTEGRAIS 157

Z
l) exp( sen(x)) cos(x)dx
Z
m) exp(x2 + 1) · 2xdx

Questão 8: Calcule as integrais indicadas abaixo.


Z 2
2x + 1
a) dx
0 x2 +x+3
Z 1 p
b) 2x9 x10 + 1 dx
0
2
ex
Z
c) √ dx
1 ex + 1
Z p
d) sen(2x) cos(2x) + 1 dx

1
x2
Z
e) dx
0 (x3 + 5)5
Z p
f) (3x2 + 1) x3 + x − 2 dx
Z
1
g) dx
x ln(x)
ex
Z
h) dx
ex + 1
Z p
i) cos(2x) sen(2x) dx
Z
j) (3e3x − sen(x))(cos(x) + e3x )45 dx
Z
k) (3x2 + 4x + 1)(x3 + 2x2 + x + 5)45 dx
Z 1 p
l) 2x2 x3 + 1 dx
0

[ln(x + 1)]3
Z
m) dx
x+1
2
ex + e−x
Z
n) √ dx
1 ex − e−x
Z
o) (x − 1) cos[(x − 1)2 ] dx
CAPÍTULO 4. INTEGRAIS 158

Z 1
x
p) √ dx
0 +1 x2
Z p
q) sen(2x − 1) cos(2x − 1) + 1 dx
Z 1
x
r) dx
−1 (x2 + 1)5
Z 1 3
s) (14x6 + 6)(x7 + 3x) 5 dx
0
Z 2
1
t) p dx
1 x ln(x)

1
e x
Z
u) √ dx
0 x
Z
v) cos(x − 1) [ sen(x − 1)]10 dx
Z
w) (ex + 1) sen(ex + x) dx
Z
4
x) dx
(1 + 2x)3
2
e(x−1)
Z
y) √ dx
1 e(x−1)
Z 1 √
sen( x)
z) √ dx
0 x

Questão 8: Calcule a área situada entre o gráco da função f (x) e o gráco da função g(x), no
intervalo indicado. Em cada caso, desenhe em uma mesma gura os grácos de f (x) e de g(x),
hachurando a área em questão.

a) f (x) = x2 ; g(x) = x; 0 ≤ x ≤ 1

b) f (x) = ex ; g(x) = 0; 0 ≤ x ≤ 2

c) f (x) = sen(x); g(x) = − sen(x); 0 ≤ x ≤ π


1 √
d) f (x) = ; g(x) = x; 1 ≤ x ≤ 4
x
Capítulo 5

Equações Diferenciais

5.1 Introdução
Neste capítulo estudaremos as chamadas equações diferenciais. Equações diferenciais são equações
que incluem, entre seus termos, as derivadas de uma função. Para formarmos uma compreensão
sobre o que são as equações diferenciais, pode ser interessante começarmos dando exemplos de
equações que não são equações diferenciais:

A(r) = π r2 (5.1)

x2 − 3x + 2 = 0 (5.2)

y 2 + x2 = 1 (5.3)

A primeira dessas equações é a conhecida fórmula da área de um círculo de raio r. Resolver a


equação, para um dado valor de r, consiste simplesmente em elevar r ao quadrado e multiplicar por
π, assim obtendo o valor da área do círculo. A segunda equação é uma equação do segundo grau.
Nesse caso, resolver essa equação corresponde a encontrar os dois valores de x que tornam a igualdade
verdadeira. A terceira equação é a equação analítica de uma circunferência de raio unitário, em um
sistema de coordenadas (x, y). Essa equação é satisfeita por um conjunto de pontos denidos por
pares (x, y), sendo que o conjunto de tais pontos corresponde, geometricamente, a uma circunferência
de raio igual a um, com centro na origem do plano cartesiano. Resolver essa equação corresponde
a determinar esse conjunto de pontos. Nenhuma dessas equações é uma equação diferencial, pois
nenhuma delas envolve derivadas de funções.
Passemos agora a um exemplo de equação diferencial:

d2 y dy
2
+ 5 + 4y = sen(t) (5.4)
dt dt
Essa equação inclui dois termos que envolvem derivadas de uma função y(t), que são a derivada
d2 y dy
segunda de y em relação a t, dada por
dt2
, e a derivada de y em relação a t, dada por
dt . Devido
ao fato de incluir esses termos, essa é uma equação diferencial.
Um ponto crucial para o entendimento sobre equações diferenciais é a pergunta: o quê estamos
procurando quando resolvemos uma equação diferencial? Nos casos das equações que foram estuda-
das até o ensino médio, as quais não são equações diferenciais, estamos normalmente em busca de

159
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 160

um ou mais valores de x que fazem com que a igualdade seja válida (caso da equação (5.2) mostrada
acima), ou de um conjunto de pares de valores das variáveis x e y que fazem com que a igualdade
seja satisfeita (caso da equação (5.3) mostrada acima). Mas, e no caso das equações diferenciais, o
que estamos procurando? Esse ponto é bastante importante:

Ao resolver uma equação diferencial como aquela mostrada na equação (5.4),


estamos em busca de uma função, y(t), que satisfaça a expressão (5.4).
Assim, ao contrário das equações que não são diferenciais, para as quais buscamos valores das
variáveis que resolvem a equação, no caso das equações diferenciais, estamos em busca de expressões
das funções que resolvem essas equações. Por exemplo, a função y(t) que satisfaz a equação (5.4),
é dada por:
5 3
y(t) = K1 e−t + K2 e−4t − cos(t) + sen(t) (5.5)
34 34
Quando dizemos que queremos resolver a equação diferencial (5.4), é essa expressão de y(t) que
queremos encontrar. Na verdade, essa solução contém duas constantes indeterminadas, K1 e K2 .
Quaisquer que sejam os valores escolhidos para essas constantes, a função y(t) com essa forma irá
satisfazer à equação (5.4), o que é o mesmo que dizer que:

d2 y
1. Se tomarmos a derivada segunda de y(t), ou seja,
dt2
;

2. Somarmos então cinco vezes a derivada de y(t), ou seja, 5 dy


dt ;

3. Então somarmos quatro vezes y(t), ou seja, 4y(t);


4. Obteremos como resultado exatamente sen(t), conforme prescrito na equação (5.4).

É isso que signica dizer que a função y(t) satisfaz à equação (5.4).

5.1.1 Exemplo de equação diferencial como modelo de um sistema real


Os exemplos mais clássicos de leis da natureza descritas por meio de equações diferenciais vêm da
mecânica, ou seja, do estudo do movimento dos corpos. A segunda lei de Newton normalmente é a
base dessas descrições:
F =M ·a (5.6)

Essa lei diz que a força (F ) que atua sobre um objeto é igual à massa (M ) desse objeto vezes
a sua aceleração (a). Designamos a posição do objeto pela função y(t). Devemos lembrar que
a velocidade corresponde à derivada da posição do objeto, enquanto a aceleração corresponde à
derivada da velocidade v(t) do objeto, o que quer dizer que a aceleração corresponde à derivada
segunda da posição do objeto:
dv d2 y
F =M· =M· 2 (5.7)
dt dt
Essa equação diferencial corresponde à descrição mais geral do movimento de um objeto. A partir
dela, obtemos descrições de diferentes situações quando especicamos o que é a força que está agindo
sobre o objeto em cada caso. Por exemplo, se supomos que o objeto simplesmente cai pela ação da
força da gravidade (força peso), a força agindo sobre o objeto será dada por:

Fp = −M · g (5.8)
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 161

Nessa expressão g representa a constante gravitacional, e o sinal de menos signica que a força
gravitacional sempre tem ação para baixo (convencionamos o nosso eixo y como representando a
altura em que o objeto se encontra, o que signica que y cresce para cima). A equação da velocidade
do objeto é dada por:
dv dv
M· = −M · g ⇒ = −g (5.9)
dt dt
A solução da equação diferencial da velocidade é então obtida por uma simples integração:
Z
v(t) = (−g)dt = −g · t + c1 (5.10)

sendo c1 a constante arbitrária decorrente da integração. É fácil notar que, quando t = 0, temos que
v(0) = c1 . Ou seja, a constante c1 signica a velocidade do objeto no instante inicial. Chamaremos
essa velocidade inicial de v0 , de forma que a equação da velocidade ca:

v(t) = −g · t + v0 (5.11)

A velocidade, por sua vez, corresponde à derivada da posição do objeto:

dy
= v(t) (5.12)
dt
de forma que a posição é dada pela integral da velocidade:
Z Z
1
y(t) = v(t)dt = (−gt + v0 )dt = − gt2 + v0 t + c2 (5.13)
2
onde c2 é a constante arbitrária decorrente desta última integração. Novamente, podemos facilmente
notar que no instante inicial t = 0 temos y(0) = c2 , ou seja, a constante c2 corresponde à posição
inicial do objeto, que chamaremos de y0 . A expressão da posição do objeto em função do tempo
então ca:
1
y(t) = − gt2 + v0 t + y0 (5.14)
2
Essa expressão, que representa o movimento de um objeto sujeito à força da gravidade, é usualmente
ensinada nos livros de ensino médio. Por quê a expressão tem essa forma? E por quê isso nunca
é explicado nos livros de ensino médio? Essa forma é consequência das regras de integração, que
foram vistas no capítulo anterior. Só é possível explicar a forma dessa expressão utilizando conceitos
de cálculo diferencial e integral  por esse motivo a explicação não é mostrada no ensino médio.
Conhecendo o cálculo diferencial e integral, no entanto, nós podemos estudar situações mais
complexas do que essa. Podemos supor, por exemplo, que o objeto está sujeito à força da gravidade
somada à força de atrito do ar, que age quando o corpo se desloca no ar. Suponhamos que a força
de atrito do ar seja proporcional à velocidade do objeto:

Fa = −K · v (5.15)

O sinal de menos nessa expressão signica que a força de atrito age sempre na direção contrária à
da velocidade, e K corresponde à constante de atrito. A força total agindo sobre o objeto é igual à
força da gravidade mais a força de atrito, ou seja:

F = Fa + Fp = −K · v − M · g (5.16)
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 162

A equação da velocidade agora ca:

dv
M = −K · v − M · g (5.17)
dt
ou ainda:
dv K
=− ·v−g (5.18)
dt M
Desta vez, a solução da equação diferencial não pode ser obtida diretamente por meio de uma
integração. Nós mostraremos, mais adiante, como essa equação pode ser resolvida utilizando o
método de equações separáveis. Desta vez, a solução da equação da velocidade será dada por:
 
−Kt Mg
v(t) = C1 exp − (5.19)
M K
Nessa equação, C1 é uma constante arbitrária, decorrente de uma integração que é realizada durante
o processo de resolução da equação diferencial. A equação da posição do objeto pode agora ser obtida
pela simples integração da velocidade:
 
C1 M −Kt Mg
y(t) = − exp − t + C2 (5.20)
K M K
Agora, C2 é outra constante arbitrária, decorrente desta última integração. Embora a situação de
um objeto caindo sob a ação tanto do peso quanto do atrito do ar seja bastante comum, tal situação
normalmente não é ensinada no ensino médio. O estudo de situações assim ocorre no âmbito do
estudo das equações diferenciais. Utilizando equações diferenciais, podemos estudar uma innidade
de situações que correspondem a diferentes possíveis casos práticos.

5.1.2 Por quê equações diferenciais são importantes?


As equações diferenciais são importantes porque através delas podemos fazer a descrição de um
grande número de fenômenos e de processos que existem no mundo real. Isso ocorre porque:

ˆ Grande parte das leis da natureza servem para explicar como grandezas variam, ou seja, dizem
respeito a derivadas dessas grandezas; ou

ˆ Outra parcela das leis naturais explica como as variações em diferentes grandezas são relaci-
onadas entre si, ou seja, relacionam as derivadas dessas diferentes grandezas.

Essas características foram exemplicadas na subseção anterior.


Falando agora sobre o papel das equações diferenciais na ciência e na tecnologia: as equações
diferenciais são a ferramenta matemática básica para descrever os fenômenos que transcorrem no
tempo, mostrando como os vários fatores envolvidos no fenônemo interagem entre si, produzindo
os efeitos observáveis. Grande parte do que entendemos ser a explicação cientíca para que um
fenômeno ocorra de determinada maneira encontra-se codicada exatamente em termos de equações
diferenciais. Da mesma forma, a tecnologia usa as equações diferenciais para estudar como irão se
comportar os sistemas a serem construídos, produzindo as simulações de seu comportamento
 o que permite que estes sejam estudados, projetados e construídos de maneira que funcionem
adequadamente. Sem as equações diferenciais, grande parte do que é feito em tecnologia seria feito
às cegas.
Uma pequena lista de situações que requerem o uso de equações diferenciais inclui:
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 163

ˆ Fenômenos em que ocorram o movimento de corpos, uidos ou objetos dotados de massa


deverão incluir, em sua modelagem, a segunda lei de Newton, que conduzirá a equações
diferenciais como essas mostradas acima.

ˆ Fenômenos de difusão, nos quais uma grandeza física se propaga em um meio no sentido de
caminhar dos locais de maior concentração para os locais de menor concentração, conduzirão a
equações diferenciais do tipo difusivo. Exemplos de situações assim são: propagação do calor,
mistura ou espalhamento de substâncias em uidos, processos osmóticos, difusão de fármacos
nos tecidos do organismo, e outros.

ˆ Fenômenos em que haja a possibilidade de trocas energéticas reversíveis entre os componentes


de um sistema irão obedecer a equações diferenciais de oscilação. Todos os tipos de sistemas
que envolvem vibrações mecânicas, produção e propagação de som, estão incluídos nessa
categoria, assim como também todos os dispositivos eletromagnéticos.

ˆ Fenômenos envolvendo reações em cadeia, que vão desde as reações químicas e as reações
termonucleares até a propagação de epidemias, de boatos e de fake news, envolverão equações
diferenciais de reação.

ˆ Fenômenos de auto-replicação irão obedecer à equação diferencial do crescimento exponencial.


Exemplos de fenômenos assim incluem o crescimento de organismos vivos em condições de
abundância de recursos, além de processos de combustão em estágios iniciais.

ˆ Fenômenos de degradação ou de decomposição obedecerão à equação diferencial do decres-


cimento exponencial. Exemplos típicos são: o decaimento radioativo, a decomposição de
fármacos, o envelhecimento de materiais.

A maioria dos fenômenos de interesse encontrados no mundo real envolve uma combinação de vários
desses fenômenos mencionados acima, produzindo equações diferenciais que envolvem termos com
propriedades diversas. No próximo capítulo, vamos mostrar alguns exemplos clássicos de equações
diferenciais aplicáveis a sistemas biológicos, que são utilizadas nos contextos da farmacocinética, da
epidemiologia e da ecologia.

5.1.3 Soluções numéricas de equações diferenciais


Sempre que tivermos uma equação diferencial será possível achar uma função que a solucione?
As técnicas de resolução de equações diferenciais hoje conhecidas são aplicáveis a classes es-
pecícas de equações. Não há uma técnica geral, que resolva todas as equações diferenciais. Há
equações diferenciais para as quais não se conhecem soluções analíticas e, assim como no caso das
integrais, há equações diferenciais para as quais se sabe que não existe solução que seja formada
por alguma combinação das funções elementares usuais. Isso tudo signica que, muitas vezes, não
será possível determinar a expressão de uma função que resolva uma dada equação diferencial.
Felizmente, há uma alternativa que nos permite tratar a maioria das equações diferenciais de uma
maneira uniforme, resolvendo-as em um certo sentido: na maioria dos casos, é possível determinar
uma solução numérica. Uma solução numérica é um conjunto de valores numéricos que descreve o
gráco da função. Aqui é importante lembrar um ponto que foi enfatizado no primeiro capítulo: o
gráco de uma função é, em certo sentido, equivalente à expressão analítica função. Embora em
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 164

algumas situações a expressão analítica da função seja indispensável para viabilizar a análise a ser
feita, em grande parte das situações práticas o gráco da função é tudo o que se precisa.
Neste texto, utilizaremos o sistema SageMath para encontrar as soluções numéricas de equações
diferenciais. Ao nal deste capítulo, serão apresentados exemplos que ilustram a obtenção de tais
soluções.

5.2 Terminologia
Nesta seção são apresentadas as denições de alguns termos (ou seja, a terminologia) empregados
no estudo de equações diferenciais.

Equações diferenciais ordinárias e equações diferenciais parciais:


As equações diferenciais se dividem em dois grandes grupos, as equações diferenciais ordinárias,
cujas soluções são funções de uma única variável, e as equações diferenciais parciais, cujas solu-
ções são funções de várias variáveis. Na discussão feita nas seções anteriores, todos os exemplos
mostrados se referem às equações do primeiro tipo, as equações diferenciais ordinárias. Para facili-
tar o entendimento da diferença entre os dois tipos de equações diferenciais, consideremos as duas
expressões abaixo:

d2 y dy
+ 5 − 3y = sen(t) (5.21)
dt2 dt
∂2q ∂2q ∂2q 2
+ + = sen(x + y2 + z2) (5.22)
∂x2 ∂y 2 ∂z 2
Em primeiro lugar, notamos que o símbolo ∂ é utilizado para representar a operação de derivada
de funções de várias variáveis (cumprindo um papel análogo ao símbolo d no caso das funções de
uma única variável).
Fica claro, à primeira vista, que a equação (5.21) só tem derivadas de y em relação a t. A função
y(t) que será solução dessa equação terá apenas t como variável. Já na equação (5.22)aparecem
derivadas de q em relação tanto a x, quanto a y e a z. A função q(x, y, z) terá portanto três
variáveis, x, y e z. Assim, a equação (5.21) é uma equação diferencial ordinária, e a equação (5.22)
é uma equação diferencial parcial.

Variáveis dependentes e variáveis independentes:


Examinamos novamente as mesmas equações diferenciais envolvidas na discussão sobre equações
diferenciais parciais e equações diferenciais ordinárias. No caso da equação (5.21), a expressão da
equação diferencial envolve, como variáveis, apenas y e t. A variável y é chamada de variável
dependente, uma vez que ela representa uma função que depende da variável t, e a variável t é
chamada de variável independente, uma vez que ela é a variável da função y(t), e ela própria não
depende de nenhuma outra variável.
Já no caso da equação (5.22), a expressão envolve as variáveis q , x, y e z. A variável q é uma
variável dependente, uma vez que ela representa uma função que depende das variáveis x, y e z , ou
seja, será uma função q(x, y, z) de três variáveis. Já as variáveis x, y e z não dependem de nenhuma
outra variável e são, portanto, variáveis independentes.
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 165

O leitor mais atento já deve ter notado que a variável dependente é a função que aparece sendo
derivada, em todas as operações de derivação que fazem parte da equação diferencial, enquanto as
variáveis independentes aparecem como sendo as variáveis em relação às quais a variável dependente
é derivada. Dessa maneira, conseguimos facilmente distinguir quem são as variáveis independentes e
quem é a variável dependente em uma equação diferencial. No âmbito deste curso, nós só trabalha-
remos com equações diferenciais organizadas dessa maneira. O leitor deve ser alertado, no entanto,
que em situações mais complexas essa distinção pode não ser válida.
Nestas Notas de Aula, iremos tratar exclusivamente das equações diferenciais ordinárias, que se
referem a funções de uma única variável. Assim, sempre que falarmos aqui simplesmente de uma
equação diferencial, deve car subentendido que se trata de uma equação diferencial ordinária.

Ordem de uma equação diferencial:


Dizemos que uma equação diferencial é de ordem n quando a derivada de maior ordem presente
na expressão dessa equação tem ordem n. Assim, por exemplo, tanto a expressão (5.21) quanto a
expressão (5.22) são equações diferenciais de ordem 2. Já a expressão (5.23), a seguir, mostra uma
equação diferencial de ordem 3:
r
d3 y d2 y dy
+ 2 − + cos(2πy) = 1 + ln(t) (5.23)
dt3 dt2 dt

Solução geral e solução particular da equação diferencial:


Nós já vimos, na seção anterior, algumas expressões que são soluções de equações diferenciais.
Por exemplo, para a equação do movimento vertical de um objeto sujeito à força da gravidade, dada
por:
d2 y
M· =F (5.24)
dt2
a solução que encontramos é:
1
y(t) = − gt2 + v0 t + y0 (5.25)
2
Nós dizemos que a equação (5.25) é a solução geral da equação do movimento de corpos sob ação da
gravidade porque qualquer situação desse tipo será descrita por essa equação. Independentemente
de qual seja a velocidade inicial do corpo, dada por v0 , e de qual seja a posição inicial do corpo,
dada por y0 , a expressão (5.25) produzirá uma representação el do movimento do corpo.
Suponhamos, entretanto, que em uma dada situação um objeto tem velocidade inicial v0 = 5m/s,
e que no instante inicial ele esteja posicionado a uma altura y0 = 30m. Quando incluímos essas
informações na equação, ela passa a ser escrita da seguinte forma:

1
y(t) = − gt2 + 5t + 30 (5.26)
2
Nós dizemos que a expressão (5.26) é uma solução particular da equação diferencial (5.24) porque ela
descreve como um corpo se movimenta em uma situação particular, para dadas condições iniciais.
Em geral, chamamos a expressão da função que resolve uma equação diferencial de solução geral
de uma equação diferencial se essa expressão contém, em formato ainda indeterminado, as constantes
arbitrárias que surgem no processo de resolução da equação. Essas constantes sempre surgem, e
elas ou são as próprias constantes de integração decorrentes do cálculo de integrais envolvidas no
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 166

procedimento de resolução, ou são obtidas por meio de operações realizadas sobre tais constantes.
O fato da expressão da solução geral conter essas constantes indeterminadas é que permite que a
equação seja válida para descrever o comportamento do sistema, quaisquer que sejam suas condições
iniciais.
Também de maneira geral, quando especicamos todas as condições iniciais do problema, es-
sas constantes passam a receber valores numéricos determinados, que representam essas condições
iniciais. Assim, nós dizemos que uma dada expressão é uma solução particular de uma equação
diferencial se as constantes que estavam não denidas na solução geral já tiverem sido substituídas
por valores numéricos. Nesse caso, essa expressão irá representar uma dada situação em que todas
as condições iniciais do problema já se encontram denidas.

5.3 Equações diferenciais separáveis


Para que sejam cumpridos os objetivos destas Notas de Aula, é importante apresentar aqui pelo
menos uma técnica de resolução de equações diferenciais, de forma que o leitor possa formar alguma
compreensão sobre o tipo de procedimento envolvido na determinação da expressão dessas soluções.
Não se pretende aqui, no entanto, fazer a apresentação de todo o repertório de técnicas de resolução
de equações diferenciais usualmente apresentado em um curso voltado para as ciências exatas.
Levando então em consideração os seguintes fatos:

ˆ Dentre as técnicas de resolução de equações diferenciais, a técnica mais simples é a das equações
diferenciais separáveis; e

ˆ Várias equações diferenciais que são importantes sob o ponto de vista das aplicações podem
ser resolvidas por essa técnica;

a técnica das equações diferenciais separáveis foi escolhida para ser apresentada aqui.
Uma equação diferencial é dita separável quando é possível rearranjar seus termos de forma que
do lado esquerdo quem todos os termos que dependam da variável dependente y, e do lado direito
quem todos os termos que dependam da variável independente x. Por exemplo:

dy M (t)
= (5.27)
dt N (y)

Rearranjando esta equação obtemos:


Z Z
N (y) · dy = M (t) · dt (5.28)

Após esse rearranjo, a resolução da equação diferencial se resume a resolver as duas integrais e,
a seguir, manipular a igualdade obtida de forma a explicitar a função y(t).

Exemplo 5.1 Determine a solução geral da equação diferencial a seguir:

dy t2 + 3
=
dt exp(y)

Resolução:
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 167

Primeiro rearranjamos a equação, de forma a deixar do lado direito todos os termos que contêm a variável y,
tudo multiplicado por dy , deixando do lado direito todos os termos que contêm a variável t, tudo multiplicado
por dt:
exp(y) dy = (t2 + 3) dt
Integramos então os dois lados da equação:
Z Z
exp(y) dy = (t2 + 3) dt

o que resulta em:


t3
exp(y) = + 3t + C
3
Note-se que colocamos apenas uma constante de integração, já representando a soma das duas constantes
que aparecerão nas duas integrações. Finalmente explicitamos a função y(t), utilizando a sua função inversa,
a função logaritmo:
t3
 
ln(exp(y)) = ln + 3t + C
3
Assim obtemos nalmente:
t3
 
y(t) = ln + 3t + C
3

5.3.1 Algumas equações diferenciais separáveis importantes


As equações diferenciais a seguir são equações que representam sistemas reais importantes, e que se
enquadram na categoria de equações diferenciais separáveis.

Decaimento radioativo
dR
= −γR (5.29)
dt
sendo:

R: massa da substância radioativa presente na amostra (varia em função do tempo - variável de-
pendente)

t: tempo (variável independente)

γ: constante de decaimento radioativo da substância radioativa

Esta equação diferencial representa um fenômeno que pode ser descrito da seguinte forma, em
palavras:

ˆ No momento inicial, existe uma certa quantidade de um material que inclui, em sua compo-
sição, um tipo de átomo (ou seja, uma substância) radioativo.

ˆ A emissão de radiação decorre do processo de decaimento dos átomos radioativos. Um átomo


decai quando ele emite partículas de radioatividade (principalmente partículas alfa ou beta)
e/ou radiação eletromagnética de alta energia (principalmente radiação gama), assim se trans-
formando em outro átomo, possivelmente estável (ou seja, não radioativo).
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 168

ˆ A cada momento, cada átomo radioativo tem igual probabilidade de decair. Essa proba-
bilidade é uma característica da substância radioativa. Substâncias cujos átomos têm alta
probabilidade de decair emitem mais radiação (mais átomos decaem por segundo), mas sua
radioatividade dura menos porque o número de átomos radioativos diminui rapidamente. Já
substâncias cujos átomos têm probabilidade mais baixa de decair emitem menos radiação (me-
nos átomos decaem por segundo), mas sua atividade radioativa dura mais porque o número
de átomos radioativos diminui mais lentamente .
1

ˆ Como consequência do fato de que cada átomo da substância radioativa tem igual probabili-
dade de decair em determinado instante, a equação diferencial que representa o decaimento
radioativo tem de ter a forma (5.29). Essa expressão diz que a taxa de variação da quanti-
dade de partículas radioativas presentes no material é proporcional ao número de partículas
existentes em dado momento. A variação é sempre negativa, ou seja, o número de partículas
diminui a cada intervalo de tempo (de onde concluímos que o sinal da taxa de variação tem
de ser negativo).

A seguir, aplicamos a técnica de resolução de equações diferenciais separáveis para encontrar a


solução da equação do decaimento radioativo.

Resolução:

Z Z
1
dR = (−γ) dt
R
ln(R) = −γt + C

eln(R) = e(−γt+C)

R = eC · e−γt
Para nalizar, substituímos o termo eC , que corresponde à exponencial da constante de integração,
por k , que representa uma constante indeterminada, uma vez que a exponencial de uma constante é
uma constante. Assim obtemos a expressão da solução geral da equação diferencial do decaimento
radioativo:
R(t) = k · e−γt (5.30)

Essa solução nos mostra um fato interessante: o processo de decaimento radioativo como função
do tempo tem como solução uma função exponencial com expoente negativo. A constante arbitrária
k que aparece na solução permite que esta se adapte para representar qualquer massa inicial de uma
substância: quando t = 0, a massa da substância radioativa será R(0) = k .
A gura 5.1 mostra um gráco que representa a massa R(t) de um determinada substância
radioativa em função do tempo. A massa inicial da substância radioativa contida na amostra, neste
exemplo, é de 5g . A constante de decaimento é, neste exemplo, 0.1s−1 . Nota-se que, após 60
segundos, a massa da substância radioativa já será menor que 0.01g .
1
Chamamos a atenção para que a intensidade da radiação emitida depende também do número de partículas que
o átomo emite quando decai, que varia de substância para substância, assim como da energia dessas partículas e da
energia da radiação gama.
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 169

5
R(t)

20 40 60 80 100

Figura 5.1: Massa de uma substância radioativa, R(t), como função do tempo. A constante de
decaimento é igual a 0.1s−1 .

Para nalizar, é importante mencionar que há na natureza e na tecnologia um grande número de


processos análogos ao decaimento radioativo. Grande parte dos processos de decomposição de subs-
tâncias (envolvidos, por exemplo, na degradação de medicamentos, que perdem assim sua validade)
corresponde a processos nos quais as moléculas da substância se transformam em outras moléculas,
de maneira probabilística
2 Para esses processos, embora haja usualmente outras variáveis envolvidas

(por exemplo a temperatura), a dinâmica básica será dada pela probabilidade de decomposição das
moléculas da substância. Simplicando a situação de maneira a examinar apenas essa dinâmica
básica, a equação diferencial será idêntica à do decaimento radioativo.

Crescimento de colônias de bactérias


dB
= βB (5.31)
dt
onde:

B: quantidade de bactérias presentes na colônia (varia em função do tempo - variável dependente)

t: tempo (variável independente)

β: constante de crescimento da colônia

A equação diferencial (5.31) descreve como varia a quantidade de bactérias presentes em uma colônia
de bactérias, em uma situação de ausência de qualquer fator limitante para o crescimento da colônia.

2
Há processos de decomposição diferentes, que decorrem de reações entre diferentes moléculas. Nesses casos, a
equação diferencial será diferente.
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 170

Essa ressalva é importante: se existir por exemplo limitação de alimento disponível, as bactérias
irão competir pelo alimento, e a equação mudará de formato. No formato apresentado na expressão
(5.31), estamos supondo que uma vez que uma bactéria surja, ela terá todas as condições para
se multiplicar, gerando um certo número de outras bactérias após certo intervalo de tempo. A
expressão (5.31) então signica um processo com as seguintes características:

ˆ Em um instante inicial, existe uma pequena quantidade de bactérias em um meio de cultura.

ˆ Após um intervalo de tempo, cada bactéria terá dado origem, em média, a N outras bactérias,
sendo que cada bactéria que deu origem a outras irá desaparecer, sendo substituída por essas
N novas bactérias.

ˆ Assim, a cada intervalo de tempo, o número de bactérias existente no início do intervalo será
multiplicado por N. Após k intervalos de tempo, o número de bactérias terá sido multiplicado
k
por N .

ˆ Esse processo, que nós descrevemos nos itens anteriores como se o tempo fosse dividido em
intervalos, na verdade acontece continuamente. A representação contínua para essa lógica de
um crescimento do número de bactérias proporcional ao número de bactérias já existente em
cada momento, é dada exatamente pela equação (5.31).

Aplicamos agora a técnica de resolução de equações diferenciais separáveis para encontrar a solução
da equação do crescimento de colônias de bactérias.

Resolução:

Z Z
1
dB = (β) dt
B
ln(B) = βt + C

eln(B) = e(βt+C)

B = eC · eβt
Fazemos agora o mesmo que na equação do decaimento radioativo, substituindo o termo eC (que é
uma constante arbitrária) por uma representação mais simples da mesma coisa, ou seja, k:
B(t) = k · eβt (5.32)

A gura 5.2 mostra o crescimento de uma colônia de bactérias com o passar do tempo. Nesse
exemplo, há inicialmente 100 bactérias em uma amostra. A constante de crescimento da colônia,
neste exemplo, é dada por β = 0.3. Nota-se que, após 10 horas, o número de bactérias cresce para
2000. Se considerássemos um tempo de 20 horas, o número de bactérias caria maior que 40.000.
Notamos que a equação do crescimento de bactérias conduz a uma solução (5.32) que tem a
forma de uma função exponencial do tempo. Isso corresponde a um crescimento explosivo: uma
quantidade muito pequena de bactérias, em pouco tempo, se transforma em uma grande quantidade,
e essa quantidade continua crescendo cada vez mais rápido. É evidente que esse tipo de crescimento
não pode continuar por muito tempo, uma vez que mais cedo ou mais tarde os recursos disponíveis
terão sido consumidos, e o crescimento terá de parar. Apesar disso, a equação (5.31) tem uma
grande importância prática para representar situações tais como:
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 171

2000
B(t)

1500

1000

500

0 2 4 6 8 10

Figura 5.2: Número de bactérias, B(t), como função do tempo. A constante de crescimento da
colônia é igual a 0.3h−1 .

ˆ Contaminação de alimentos por bactérias. Nessa situação, tipicamente uma porção de ali-
mento, possivelmente industrializado e embalado, sofre a contaminação de um pequeno nú-
mero de bactérias. Após pouco tempo, a contaminação se torna visível, e o alimento deve
ser descartado. No tempo decorrido entre a contaminação ocorrer e ela se tornar visível, o
processo de crescimento da colônia de bactérias será parecido com o crescimento exponen-
cial descrito pela expressão (5.32), uma vez que a quantidade de alimentos será tipicamente
proporcionalmente grande, comparada ao tamanho da colônia de bactérias.

ˆ Outros processos biológicos, não relacionados com bactérias, também podem ser descritos por
equações diferenciais semelhantes a (5.31). Um exemplo disso é a chegada de pragas (insetos,
fungos, etc) em lavouras de monocultura, na ausência de predadores naturais. A expansão
da quantidade dessas pragas tende a ocorrer inicialmente de acordo com uma lei exponencial,
do tipo (5.32), até que tal expansão atinja uma limitação, que é a própria destruição da área
cultivada.

Crescimento logístico
 
dP P
=k 1− P (5.33)
dt S
sendo:

P: população (varia em função do tempo - variável dependente)

t: tempo (variável independente)


CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 172

k: constante de crescimento populacional irrestrito

S: população suportada pelo ambiente

A equação anterior, (5.31), representava o crescimento de colônias de bactérias em uma situação de


ausência de qualquer restrição dos recursos necessários para tal crescimento. Já a equação (5.33),
chamada de equação do crescimento logístico, procura representar o que ocorre nesses processos de
crescimento de populações de espécies biológicas em condições de limitação na quantidade disponível
de algum recurso ambiental, por exemplo alimento, água, espaço, etc. A lógica da construção da
equação (5.33) pode ser compreendida a partir da análise do termo:

P
1− (5.34)
S
Nesse termo, P (t) é o tamanho da população, e S representa o tamanho máximo que essa população
pode ter para poder existir no ambiente, dada a limitação de recursos nesse ambiente. Deve-se notar
que, à medida em que P (t) cresce e se aproxima de S, o termo (5.34) se aproxima de zero. Isso
dP
faz com que a taxa de crescimento da população,
dt , também que próxima de zero, ou seja, o
crescimento passa a car cada vez mais lento. Se ocorrer de P (t) igualar S , o termo (5.34) ca igual
a zero, e a taxa de crescimento também se anula.
Deve-se notar que a introdução desse termo na equação diferencial do crescimento permite
incluir o efeito de restringir a disponibilidade de recursos, sem que se faça a modelagem de como
especicamente a espécie em questão interage com o recurso, e até mesmo sem especicar qual é o
recurso cuja limitação causa a limitação do crescimento da população. Grande parte das situações
relacionadas com a existência de alguma limitação de recursos no ambiente pode ser modelada desta
forma. No entanto, é importante manter em mente que algumas vezes se faz necessária a construção
de modelos mais detalhados sobre o efeito da limitação de recursos.

Resolução:
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 173

Z Z
1
 dP = k dt
1 − PS P
Z Z 1 Z
1 S
= dP + dP = k dt
P 1 − PS
 
P
ln(P ) − ln 1 − = kt + C
S
!
P
ln = kt + C
1 − PS
P
P
= ekt+C = eC · ekt = γekt
1− S
 
P
P = 1− γekt
S
P kt
P+ γe = γekt
S
γekt
 
P 1+ = γekt
S
A expressão nal da solução da equação diferencial do crescimento logístico ca:

γekt
P (t) = γekt
(5.35)
1+ S
A gura 5.3 mostra, em azul, o gráco de um processo de crescimento logístico de uma população
de bactérias P (t), considerando uma constante de crescimento γ = 0.3 e um tamanho máximo de
população suportado pelo ambiente dado por S = 5000. A população inicial é de 10 bactérias.
Na mesma gura, é mostrado em vermelho o gráco do que seria o processo de crescimento dessa
população se não houvesse a restrição de recursos no ambiente, Pe (t), que ocorreria se a equação
não tivesse o termo logístico (5.34), cando com a forma (5.31). Essa gura mostra que os grácos
de P (t) e de Pe (t) praticamente coincidem enquanto a população é pequena, ou seja, enquanto
os recursos do ambiente podem ser considerados abundantes para aquele tamanho de população.
Isso ocorre aproximadamente nas primeiras 12 horas, período em que a população de bactérias se
mantém abaixo de 200 indivíduos. Quando o número de bactérias ultrapassa esse valor, passa a
haver uma competição entre as bactérias pelo recurso disponível, o que causa uma desaceleração no
ritmo de crescimento da população. A gura então mostra que enquanto Pe (t) cresce de maneira
ilimitada, atingindo valores enormes do número de bactérias na colônia, a função P (t), que tem o
seu crescimento limitado pela restrição de recursos no ambiente, tem uma desaceleração que leva o
tamanho da população a convergir gradualmente para o total de 5000 indivíduos, que é o número
máximo suportado pelo ambiente.

Lei de Newton do resfriamento


dT
= α(Ta − T ) (5.36)
dt
sendo:
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 174

P(t)
5000 Pe (t)

4000

3000

2000

1000

10 20 30 40

Figura 5.3:

T: temperatura de um objeto (varia em função do tempo - variável dependente)

t: tempo (variável independente)

α: constante de transferência de calor entre o objeto e o ambiente

Ta : temperatura do ambiente

A lei de Newton do resfriamento, representada pela equação (5.36), é um modelo de um tipo de


processo que está sempre ocorrendo ao nosso redor: a troca de calor entre diferentes corpos . Mais
3

especicamente, essa equação, com essa forma, faz referência a uma situação em que um objeto que
tem uma temperatura T se encontra em um ambiente cuja temperatura é Ta . Se a temperatura do
objeto for diferente da temperatura do ambiente, o objeto irá trocar calor com o ambiente, de forma
que sua temperatura irá gradativamente se aproximar da temperatura do ambiente. Assume-se que
o objeto é pequeno, de forma que a sua temperatura não irá afetar a temperatura do ambiente.
A lógica dessa equação é que a taxa de variação da temperatura do objeto será tão maior (ou
seja, a mudança em sua temperatura será tão mais rápida) quanto maior for a diferença entre a
temperatura do objeto e a temperatura do ambiente. Assim, por exemplo, uma xícara de café
servido a90o C , em um ambiente que se encontra a 25o C , irá inicialmente esfriar de maneira rápida.
o
Em poucos minutos estará a 80 C , por exemplo. Se a xícara for deixada no ambiente por muito
o
tempo, ela acabará atingindo a temperatura de 30 C em algum momento. Ela vai então demorar
o
muito mais tempo para atingir 26 C , sendo que a sua temperatura irá variar de maneira cada vez

3
Embora essa equação diferencial seja chamada lei do resfriamento, ela funciona igualmente bem para representar
o aquecimento de objetos frios deixados em um ambiente mais quente que eles.
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 175

100
T(t)
Ta

80

60

40

20

2 4 6 8 10

Figura 5.4:

mais lenta à medida em que se aproxima da temperatura do ambiente. A resolução da equação


(5.36) pelo método das equações separáveis é mostrada a seguir.

Resolução:

Z Z
1
dT = α dt
Ta − T
− ln(Ta − T ) = αt + C

ln(Ta − T ) = −αt − C

Ta − T = e−αt e−C
Para se chegar à forma nal da equação, substituímos a constante indeterminada e−C pela constante
também indeterminada γ, assim tornando a expressão mais simples:

T (t) = Ta − γe−αt (5.37)

É fácil notar que, quando o tempo t se aproxima de innito, o termo γe−αt se aproxima de zero,
fazendo a função T (t) se aproximar de Ta . A temperatura do objeto, T (t), somente se igualará à
temperatura Ta do ambiente para um tempo innito.
A gura 5.4 mostra o gráco da temperatura de um objeto que se encontra inicialmente à
temperatura de 100o C , em um ambiente à temperatura Ta = 25o C . A constante de transferência
de calor, neste exemplo, é dada por γ = 0.5. A mesma gura mostra também uma linha horizontal
tracejada que representa a temperatura Ta do ambiente. Pode-se ver, na gura, o comportamento
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 176

esperado: a temperatura do objeto se aproxima gradativamente da temperatura do ambiente. Essa


aproximação é assintótica, ou seja, a igualdade só ocorre para um tempo innito. O leitor mais
atento já deve ter notado o papel fundamental da função exponencial para que seja possível construir
uma solução com tais características.
A importância da equação (5.36) vai além das situações de troca de calor entre dois corpos.
Essa equação tem o formato geral das equações de difusão, que representam sistemas nos quais
uma grandeza se propaga de um lugar para o outro devido à diferença de concentração da grandeza
nos dois locais. Em organismos vivos, por exemplo, uma substância pode se propagar de um
local no organismo para outro local devido à diferença de concentração da substância nos dois
locais. Por exemplo, um fármaco se propaga de um órgão do corpo para o sangue, ou vice-versa,
devido à diferença entre sua concentração no órgão, dada pela função X(t), e no sangue, dada
por Xs . Supondo que a concentração no sangue seja mantida constante, a equação que descreve a
concentração do fármaco no órgão ca então:

dX
= α(Xs − X) (5.38)
dt
e a solução da equação ca:
X(t) = Xs − γe−αt (5.39)

De maneira mais geral, a concentração do fármaco na corrente sanguínea também será uma função
do tempo e, portanto, também terá de ser descrita por uma equação diferencial. Nesse caso, a
equação (5.38) continuará válida, mas a sua solução terá de ser determinada por um processo que
envolve resolver simultaneamente a equação de X(t) e a equação de X(s), de forma que a expressão
(5.39) não mais representará a solução do problema. Veremos essa discussão em maior detalhe no
próximo capítulo, que irá tratar de sistemas de equações diferenciais, e que irá discutir os modelos
de alguns sistemas biológicos.

5.4 Resolvendo equações diferenciais com o Sage


O sistema SageMath conta com um conjunto de ferramentas para a resolução de equações dife-
renciais, seja fornecendo soluções analíticas, seja produzindo soluções numéricas. Nesta seção são
mostradas algumas dessas ferramentas.

5.4.1 Soluções analíticas de equações diferenciais no Sage


Deseja-se resolver a seguinte equação diferencial de primeira ordem:

dy
= f (y, t)
dt
sendo f (y, t) uma função cuja expressão envolve as variáveis y e de t. Nessa equação, y é a variável
dependente e t é a variável independente. Suponha-se que a expressão de f (y, t) já tenha sido
previamente denida. O código a seguir realiza o cálculo da expressão da solução da equação
diferencial:
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 177

> (t) = var('t')


> y = function('y')(t)
> de = diff(y,t) == f(y,t)
> ys = desolve(de, y, ivar=t)

A primeira linha desse código serve para denir t como uma variável. Lembramos que, no
Sage, apenas x já é pré-denida como sendo uma variável; qualquer outra variável deve ser denida
explicitamente por meio do comando var. A segunda linha dene y como uma variável dependente,
ou seja, como uma função da outra variável, t. A terceira linha faz o armazenamento da expressão
da equação diferencial na variável computacional de. Para entender essa linha, deve-se notar:

ˆ O comando diff(y,t) signica o mesmo que


dy
dt , ou seja, a derivada de y em relação a t.

ˆ Os dois sinais de igual juntos, ou seja, ==, signicam o sinal de igual da expressão da equação
diferencial. É preciso utilizar essa notação, e não a notação que pareceria mais natural que
seria simplesmente um sinal de igual, porque no Sage o sinal de igual tem outro signicado:
um sinal de igual signica o comando de atribuição, ou seja, o que está à direita do sinal de
igual é atribuído
4 à variável computacional que se encontra à esquerda do sinal.

ˆ Então, a expressão diff(y,t) == f(y,t) signica o mesmo que a expressão


dy
dt = f (y, t).

ˆ Essa expressão é então atribuída à variável computacional de, ou seja, é armazenada nessa
variável, quando se faz de = diff(y,t) == f(y,t).
Por m, na quarta linha o comando desolve resolve a equação diferencial e então armazena a
expressão da solução na variável computacional ys. A sintaxe desse comando é a seguinte:

ˆ O primeiro argumento do comando, acima denominado de, deve conter a expressão da equação
diferencial a ser resolvida.

ˆ O segundo argumento, acima denominado y, deve conter a variável dependente da equação


diferencial.

ˆ O terceiro argumento, escrito acima como ivar=t, faz a identicação da variável independente
da equação diferencial. Deve-se notar que, neste caso, a variável independente é t. Se a variável
independente fosse x, o terceiro argumento seria escrito como: ivar=x.

Para exemplicar o uso do sistema Sage para a determinação da solução analítica de uma equação
diferencial, consideremos o problema de resolver a seguinte equação diferencial:

dy
= −3y + cos(t)
dt
O código mostrado a seguir faz a determinação da solução deste problema:

4
Isso é o mesmo que dizer que o que está à direita do sinal de igual é armazenado na variável computacional que
se encontra à esquerda do sinal.
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 178

> (t) = var('t')


> y = function('y')(t)
> de = diff(y,t) == -3*y + cos(t)
> ys = desolve(de, y, ivar=t)
> show(ys)

Como resultado da execução desse código, o sistema Sage exibe a seguinte resposta:

1
3 cos(t) + sin(t)e3t + 10C e−3t

10

Essa resposta pode parecer um pouco estranha, mas basta reorganizá-la um pouco para se obter
a expressão de y(t) que resolve a equação diferencial:

3 −3t 1 −3t
y(t) = e cos(t) + sen(t) + Ce
10 10
A expressão de y(t), como esperado, depende de uma constante arbitrária C.
O mesmo comando desolve pode ser utilizado para resolver equações diferenciais nos casos em
que se conhecem as condições iniciais, ou seja, conhece-se o valor de y(t) quando t = t0 , sendo
y(t0 ) = y0 . Nesse caso, o código caria assim:

> (t) = var('t')


> y = function('y')(t)
> de = diff(y,t) == f(y,t)
> ys = desolve(de, y, ivar=t, ics=[t0,y0])

A única diferença deste código em relação ao anterior ocorre na quarta linha, que agora tem
quatro argumentos. O quarto argumento, escrito acima como ics=[t0,y0], dene as condições ini-
ciais da equação diferencial. A primeira condição, t0, dene o valor inicial da variável independente
t. A segunda condição, y0, dene o valor inicial da variável dependente y.
Para exemplicar a utilização do sistema Sage para casos deste tipo, consideramos a mesma
equação diferencial utilizada anteriormente:

dy
= −3y + cos(t)
dt
agora com as condições iniciais dadas por:

t0 = 0 y0 = 10

O código mostrado a seguir faz a determinação da solução deste problema:

> (t) = var('t')


> y = function('y')(t)
> de = diff(y,t) == -3*y + cos(t)
> ys = desolve(de, y, ivar=t, ics=[0,10])
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 179

> show(ys)

Como resultado da execução desse código, o sistema Sage exibe a seguinte resposta:

1
3 cos(t)e3t + e3t sin(t) + 97 e−3t

10

Reorganizando a resposta, obtém-se a expressão de y(t):


3 1 97 −3t
y(t) = cos(t) + sen(t) + e
10 10 10

5.4.2 Soluções numéricas de equações diferenciais no Sage


Deseja-se agora obter a solução numérica da equação diferencial de primeira ordem a seguir:

dy
= f (y, t)
dt
com a seguinte condição inicial:
y(t0 ) = y0
sendo f (y, t) uma função cuja expressão envolve as variáveis y e t, com y a variável dependente e
t a variável independente da equação diferencial. Suponha-se que a expressão de f (y, t) já tenha
sido previamente denida. O código a seguir realiza a determinação numérica dos valores de y para
diferentes valores de t no intervalo t0 ≤ t ≤ tmax .

> (t) = var('t')


> y = function('y')(t)
> de = diff(y,t) == f(y,t)
> desolve_rk4(de, y, ivar=t, ics=[t0,y0], end_points=tmax, output='plot')

A primeira linha desse código serve para denir t como uma variável. A segunda linha dene y
como uma variável dependente, ou seja, como uma função da outra variável, t. A terceira linha faz
o armazenamento da expressão da equação diferencial na variável computacional de. Por m, na
quarta linha o comando desolve_rk4 resolve numericamente a equação diferencial, determinando
um conjunto de pontos (t, y) que correspondem ao gráco da função y(t) que resolve a equação
diferencial. Esses pontos serão mostrados em uma gura, que será o resultado da execução desse
comando. A sintaxe desse comando é a seguinte:

ˆ O primeiro argumento do comando, acima denominado de, é a variável computacional que


contém a expressão da equação diferencial a ser resolvida.

ˆ O segundo argumento, acima denominado y, é a variável dependente da equação diferencial.

ˆ O terceiro argumento, escrito acima como ivar=t, faz a identicação da variável independente
da equação diferencial. Deve-se notar que, neste caso, a variável independente é t.

ˆ O quarto argumento, representado por ics=[t0,y0], dene as condições iniciais da equação


diferencial. No caso, t0 é o tempo inicial e y0 é o valor da função y(t) no instante t0.
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 180

ˆ O quinto argumento, indicado como end_points=tmax, diz que a solução será calculada até o
tempo tmax.
ˆ Por m, o sexto argumento, output='plot', diz que o resultado deve ser apresentado na
forma de um gráco. Seria possível, mudando este argumento, fazer com que o resultado fosse
apresentado na forma de uma tabela de valores de y e t, e não como um gráco.

Para exemplicar o uso do sistema Sage para a determinação da solução analítica de uma equação
diferencial, consideremos o problema de resolver a seguinte equação diferencial:

dy
= −3y + cos(t)
dt
com as condições iniciais dadas por:

t0 = 0 y0 = 5

O código mostrado a seguir faz a determinação da solução deste problema:

> (t) = var('t')


> y = function('y')(t)
> de = diff(y,t) == -3*y + cos(t)
> desolve_rk4(de,y,ivar=t,ics=[0,5],end_points=15,output='plot')

Nesse código, pode ser visto que o valor inicial de t foi denido igual a 0, o valor inicial de y foi
estabelecido como sendo 5, e o tempo nal da simulação foi denido como 15. Como resultado da
execução desse código, o Sage mostra o gráco da gura 5.5.
Caso desejássemos armazenar essa gura em um arquivo no formato PDF, poderíamos utilizar
a seguinte variação do mesmo código:

> (t) = var('t')


> y = function('y')(t)
> de = diff(y,t) == -3*y + cos(t)
> P = desolve_rk4(de,y,ivar=t,ics=[0,5],end_points=15,output='plot')
> P.save('figura.pdf')

Esse código não irá exibir a gura. Em vez disso, na quarta linha a gura será guardada na variável
computacional P. Na quinta linha, a gura será salva no arquivo denominado figura.pdf.
CAPÍTULO 5. EQUAÇÕES DIFERENCIAIS 181

2 4 6 8 10 12 14

Figura 5.5: Gráco de y em função de t que representa a solução numérica da equação diferencial
mostrada no exemplo.
Capítulo 6

Sistemas de Equações Diferenciais

6.1 Introdução
No capítulo anterior nós discutimos as equações diferenciais, com especial ênfase em mostrar como
essas equações servem para representar processos que ocorrem no mundo real. Neste capítulo,
falaremos dos chamados sistemas de equações diferenciais, enfocando especicamente a sua aplicação
na construção de três modelos biológicos de grande importância:

ˆ Modelos de propagação de epidemias;

ˆ Modelos de difusão de fármacos no organismo (farmacocinética);

ˆ Modelos presa-predador (interação de espécies).

Os sistemas de equações diferenciais são conjuntos de equações diferenciais, em que cada equação
representa um processo, sendo que os processos interagem entre si. Um exemplo disso é a situação
em que, em um determinado ambiente, duas espécies convivem, sendo que uma delas é um predador,
e a outra é uma presa que constitui o principal alimento do predador. A variação do número de
indivíduos de cada espécie será regida por uma equação diferencial, que irá descrever a população
dessa espécie. No entanto, o número de indivíduos de uma das espécies interfere em como varia o
número de indivíduos da outra espécie. Assim, se há mais presas, os predadores terão mais alimento,
e o número de predadores tende a aumentar. Por outro lado se há mais predadores, mais presas
serão capturadas, e o número de presas deverá diminuir. As equações do número de indivíduos de
cada espécie, portanto, têm de levar em conta o número de indivíduos da outra espécie.
Faremos a discussão detalhada de cada um desses modelos a seguir, mostrando como os modelos
baseados em sistemas de equações diferenciais permitem a construção de modelos precisos para
tais processos, capazes de descrever seu funcionamento, assim como prever sua evolução futura
a partir de uma situação presente conhecida. Esse tipo de modelo tem hoje grande importância
tanto no estudo desses fenômenos quanto no manejo de situações práticas. No entanto, como tópico
preliminar, apresentaremos na próxima seção uma discussão sobre a utilização do sistema SageMath
para determinar a solução numérica
1 de sistemas de equações diferenciais.

1
Lembramos que há dois tipos de soluções de equações diferenciais: as soluçõesanalíticas, que são as expressões
das funções que resolvem as equações, e as soluçõesnuméricas, que são sequências de valores das funções que resolvem
as equações. Essas últimas podem ser entendidas como sendo os grácos das funções que solucionam as equações
diferenciais.

182
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 183

6.2 Solução numérica de sistemas de equações diferenciais


Veremos agora como utilizar o sistema SageMath para encontrar soluções numéricas de sistemas de
equações diferenciais. Esses sistemas podem ser representados da seguinte forma:

dy1
= f1 (y1 , y2 , . . . , yn , t)
dt
dy2
= f1 (y1 , y2 , . . . , yn , t)
dt (6.1)
.
.
.

dyn
= fn (y1 , y2 , . . . , yn , t)
dt
Essa representação é bastante geral, servindo para descrever o comportamento de um sistema de n
variáveis dependentes, representadas por y1 até yn . Cada linha mostra a expressão da derivada de
uma variável dependente, que é uma função de todas as variáveis dependentes e também da variável
independente t.
Para simplicar a apresentação, nesta seção faremos toda a discussão considerando o seguinte
exemplo de sistema de equações diferenciais:

dy1
= −2y1 + y2 − y3
dt
dy2
= −y1 − 3y2 + y3 (6.2)
dt
dy3
= −y2 − 5y3 + sen(2t)
dt
Este é um sistema de três equações diferenciais, que representam as expressões das derivadas das
variáveis dependentes y1 , y2 e y3 em relação à variável independente t. Vamos ainda supor que deseja-
se determinar a solução no intervalo 0 ≤ t ≤ 10, para condições iniciais das variáveis dependentes
dadas por:
y1 (0) = 1 y2 (0) = 2 y3 (0) = −1 (6.3)

O código a seguir faz a determinação da solução desse sistema de equações diferenciais no


SageMath:

> (y1,y2,y3,t) = var('y1 y2 y3 t')


> f1(y1,y2,y3,t) = -2*y1 + y2 - y3
> f2(y1,y2,y3,t) = -y1 -3*y2 + y3
> f3(y1,y2,y3,t) = -y2 - 5*y3 + sin(2*t)
> H = desolve_system_rk4([f1,f2,f3],[y1,y2,y3],ics=[0,1,2,-1],ivar=t,end_points=10)

O signicado desse código é o seguinte:

ˆ A primeira linha do código declara as variáveis do problema, que recebem os nomes de y1, y2,
y3 e t. A ideia é que essas variáveis computacionais sirvam para representar as variáveisy1 ,
y2 , y3 e t que aparecem no sistema (6.2).
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 184

ˆ A segunda, terceira e quarta linhas denem as expressões das funções f1, f2 e f3, que signi-
cam as expressões das derivadas de y1, y2 e y3 em relação a t.
ˆ A quinta linha utiliza o comando desolve_system_rk4 para resolver o sistema de equações
diferenciais (6.2).

 O primeiro argumento desse comando, [f1,f2,f3] informa os nomes das funções que
representam as derivadas das variáveis dependentes do sistema.

 O segundo argumento, [y1,y2,y3], informa os nomes das variáveis dependentes (deve-


se notar que a ordem é importante: a primeira função, f1, deve ser a expressão da
derivada da primeira variável dependente, y1, a segunda função, f2, deve ser a expressão
da derivada da segunda variável dependente, y2, e assim por diante).
 O terceiro argumento, ics=[0,1,2,-1], dene as condições iniciais de todas as variáveis:
0 é o valor inicial de t, 1 é o valor inicial de y1, 2 é o valor inicial de y2 e −1 é o valor
inicial de y3.
 O quarto argumento, ivar=t, informa que o nome da variável independente é t.
 O quinto argumento, end_points=10, informa que a determinação da solução irá terminar
para t = 10.
 Por m, esse comando armazena a solução do sistema de equações na variável computa-
cional H. Essa variável contém uma tabela com quatro colunas: a primeira coluna contém
valores de t, e as três demais colunas contêm os valores correspondentes de y1, y2 e y3.
Para a visualização do resultado obtido nesse trecho de código, um outro trecho realiza as
operações necessárias para traçar os grácos das variáveis y1, y2 e y3 em função de t:

> Q1=[ [i,j] for i,j,k,w in H]


> LP1=list_plot(Q1,plotjoined=true,legend_label='$y_1(t)$')
> Q2=[ [i,k] for i,j,k,w in H]
> LP2=list_plot(Q2,plotjoined=true,color='green',legend_label='$y_2(t)$')
> Q3=[ [i,w] for i,j,k,w in H]
> LP3=list_plot(Q3,plotjoined=true,color='red',legend_label='$y_3(t)$')
> LP1 + LP2 + LP3

As linhas deste código executam as seguintes operações:

ˆ A primeira linha, cujo conteúdo é: Q1=[ [i,j] for i,j,k,w in H], extrai a primeira e a
segunda colunas da tabela que se encontra armazenada na variável H, e as armazena na variável
Q1. Analogamente, a terceira e a quinta linhas extraem respectivamente a primeira e a terceira
colunas da tabela e a primeira e a quarta colunas da tabela, armazenando os resultados nas
variáveis Q2 e Q3, respectivamente.

ˆ A segunda linha prepara um gráco.

 O primeiro argumento, Q1 é uma variável que contém os dados que serão traçados no
gráco, sendo que os dados da primeira coluna signicam as abscissas t e os dados da
segunda coluna signicam as ordenadas y1 desse gráco.
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 185

2
y1 (t)
y2 (t)
y3 (t)
1.5

0.5

2 4 6 8 10
-0.5

-1

Figura 6.1: Gráco da solução do sistema de equações diferenciais (6.2).

 O segundo argumento, plotjoined=true, indica que o gráco será traçado em linha


contínua. Se, ao invés de true, fosse colocada a palavra false, o gráco seria mostrado
na forma de pontos não ligados uns aos outros.

 O terceiro argumento, legend_label='$y_1(t)$', faz com que a linha traçada pelo


comando tenha uma legenda identicando essa curva como y1 (t).
 O gráco é armazenado na variável computacional LP1.
Analogamente, a quarta e a sexta linhas preparam grácos com os dados armazenados na
variável Q2 e Q3, armazenando esses grácos nas variáveis computacionais LP2 e LP3. Uma
diferença importante em relação à segunda linha é que, no caso da quarta e sexta linhas, há
também um argumento que altera a cor das linhas traçadas, sendo que color='green' faz
com que o gráco seja traçado na cor verde e color='red' faz com que o gráco seja traçado
na cor vermelha.

ˆ Finalmente, a sétima linha, que contém LP1 + LP2 + LP3 faz com que os grácos que se
encontram armazenados nas variáveis LP1, LP2 e LP3 sejam todos traçados em uma única
gura.

A execução dos dois trechos de código mostrados acima resulta na gura 6.1.

6.3 Modelo presa-predador


Um elemento básico para a construção de modelos de interações entre espécies é o chamado modelo
presa-predador, que faz a descrição da dinâmica de um sistema no qual uma espécie constitui a presa,
e outra espécie seu predador, por meio de um sistema de equações diferenciais. As equações desse
modelo também são denominadas equações de Lotka-Volterra, em homenagem aos seus criadores.
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 186

A estrutura desse modelo é a seguinte:

dx
= αx − βx · y
dt
(6.4)
dy
= δ x · y − γy
dt
Nesse modelo, x(t) representa a quantidade de presas em cada instante de tempo e y(t) representa
a quantidade de predadores ao longo do tempo. A lógica desse modelo pode ser descrita da seguinte
forma:

ˆ O número de presas, x(t), cresce proporcionalmente ao próprio número de presas. Não há res-
trição ambiental (por exemplo, limitação da quantidade de alimento disponível). Na ausência
de predadores, a equação diferencial do número de presas caria com a seguinte forma:

dx
= αx
dt
o que levaria o número de presas a crescer exponencialmente (a equação caria igual à equação
do crescimento de colônias de bactérias, conforme mostrada no capítulo anterior).

ˆ A presença de predadores, entretanto, causa uma limitação no crescimento do número de


presas. Tal limitação é modelada da seguinte forma: O número de encontros entre predadores
e presas, por unidade de tempo, é proporcional ao número de predadores vezes o número
de presas. Em uma proporção desses encontros, as presas são capturadas pelos predadores.
Portanto, há uma diminuição do número de presas que é proporcional ao número de encontros
ocorridos, e que é representada pelo termo −β x · y .

ˆ Por sua vez, os predadores dependem da captura de presas para se alimentarem. Assim,
o número de novos indivíduos na população de predadores será proporcional ao número de
presas capturadas que, como já discutido, é proporcional ao produto x · y . Assim, o termo
δx · y representa o crescimento do número de predadores. Já o termo γy representa a redução
do número de predadores que naturalmente ocorre devido a causas múltiplas: envelhecimento,
doenças, acidentes, etc.

Exemplo 6.1 Considere-se o modelo presa-predador denido pelo sistema de equações (6.4), com os se-
guintes valores de parâmetros: α = 1, β = 4, δ = 2 e γ = 1.5. As populações iniciais de presas e de
predadores são, respectivamente, x(0) = 1 e y = 0.7, signicando que há uma população por exemplo de 1000
presas e 700 predadores inicialmente no ambiente. Os grácos que representam a evolução dessas populações,
x(t) e y(t), com o passar do tempo são obtidos com a ajuda do sistema SageMath, e são mostrados na gura
6.2. Nota-se nessa gura que: (i) quando o número de predadores é pequeno, o número de presas aumenta
rapidamente; (ii) o aumento do número de presas cria as condições para o rápido aumento do número de
predadores; (iii) quando o número de predadores torna-se grande, o número de presas diminui rapidamente;
(iv) a escassez de alimento, causada pela diminuição do número de presas, faz o número de predadores cair
rapidamente, de forma a tornar-se pequeno. Um processo periódico que repete ciclicamente essas etapas se
coloca em ação, criando uma oscilação das duas populações que irá prosseguir indenidamente.
O código SageMath que produz a gura 6.2 é mostrado a seguir.
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 187

x(t)
y(t)

1.5

0.5

0 10 20 30 40 50

Figura 6.2: Evolução das populações de presas e predadores ao longo do tempo. Azul: população
de presas, x(t). Vermelho: população de predadores, y(t).

> (t,a,b,c,d,x,y) = var('t a b c d x y')


> a = 1; b = 4; c = 2; d = 1.5
> f(x,y,t) = c*x*y - d*y
> g(x,y,t) = a*x - b*x*y
> sol = desolve_system_rk4([f,g],[y,x],ivar=t,ics=[0,0.7,1],end_points=50)
> soly=[ [i,j] for i,j,k in sol]
> solx=[ [i,k] for i,j,k in sol]
> LP1 = list_plot(solx,plotjoined=true,legend_label='$x(t)$')
> LP2 = list_plot(soly,plotjoined=true,color='red',legend_label='$y(t)$')
> Graf = LP1 + LP2
> Graf
> Graf.save('figura.pdf')

Ao nal da execução deste código, a gura 6.2 aparecerá na tela (penúltima linha) e será armazenada em
um arquivo em formato PDF (última linha).

6.3.1 Modicações no modelo presa-predador


É possível alterar o modelo presa-predador de diversas maneiras, assim permitindo representar sis-
temas ecológicos mais complexos, considerando mais espécies e mais tipos de interação entre elas,
incluindo comportamentos de parasitismo, mutualismo, competição, etc. Por exemplo, uma alte-
ração simples no modelo descrito por (6.4) seria considerar que a equação que descreve a taxa de
variação do número de presas inclui uma restrição ambiental ao crescimento desse número relaci-
onado com uma limitação na disponibilidade de alimento para as presas. Nesse caso, tal equação
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 188

5
x(t)
y(t)

20 40 60 80 100

Figura 6.3: Evolução das populações de presas e predadores ao longo do tempo, considerando a
limitação da população de presas decorrente de restrições ambientais. Azul: população de presas,
x(t). Vermelho: população de predadores, y(t).

passaria a ter um termo logístico do tipo:


 x
α 1− x
S
em lugar do termo de crescimento exponencial αx. O sistema de equações diferenciais passaria a
ser então:
dx  x
=α 1− x−βx·y
dt S
(6.5)
dy
= δ x · y − γy
dt
Exemplo 6.2 Considere-se o modelo presa-predador denido pelo sistema de equações (6.5) com os mes-
mos valores de parâmetros já empregados no exemplo 6.1: α = 1, β = 4, δ = 2 e γ = 1.5, agora considerando
que há uma restrição ambiental relacionada com a disponibilidade de alimento para as presas que limita
a população de presas a no máximo 10.000 indivíduos. As populações iniciais de presas e de predadores
são, novamente, x(0) = 1 e y = 0.7, signicando populações de 1000 presas e 700 predadores inicialmente
presentes no ambiente. Os grácos que representam a evolução no tempo dessas populações, x(t) e y(t), são
novamente obtidos com a ajuda do sistema SageMath, e são mostrados na gura 6.3. Nota-se nessa gura
que a dinâmica das populações de presas e de predadores segue uma lógica parecida com aquela encontrada
no exemplo 6.1, com uma diferença crucial: agora as oscilações são amortecidas (com o passar do tempo a
amplitude das oscilações diminui). Com o passar do tempo, ambas as populações tendem a atingir tamanhos
de equilíbrio que correspondem a valores xos.
O código SageMath que produz a gura 6.3 é mostrado a seguir.

> (t,a,b,c,d,x,y,s) = var('t a b c d x y s')


> a = 1; b = 4; c = 2; d = 1.5; s = 10
> f(x,y,t) = c*x*y - d*y
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 189

> g(x,y,t) = a*(1-x/s)*x - b*x*y


> sol = desolve_system_rk4([f,g],[y,x],ivar=t,ics=[0,1,5],end_points=100)
> soly=[ [i,j] for i,j,k in sol]
> solx=[ [i,k] for i,j,k in sol]
> LP1 = list_plot(solx,plotjoined=true,legend_label='$x(t)$')
> LP2 = list_plot(soly,plotjoined=true,color='red',legend_label='$y(t)$')
> Graf = LP1 + LP2
> Graf
> Graf.save('figura.pdf')

Ao nal da execução deste código, a gura 6.3 aparecerá na tela (penúltima linha) e será armazenada em
um arquivo em formato PDF (última linha).

6.4 Modelo SIR de propagação de epidemias


Os pesquisadores escoceses Anderson McKendrick e William Kermack publicaram, de 1927 a 1933,
uma sequência de trabalhos que se tornaram um dos fundamentos da Epidemiologia Matemática,
que é o campo da ciência que estuda a propagação de epidemias por meio de modelos matemáticos.
Uma das consequências daqueles trabalhos foi o desenvolvimento do chamado modelo SIR  que é
um dos primeiros modelos matemáticos de epidemias. A siga SIR signica Susceptível - Infectado
- Recuperado, ou seja, a população é divida em três compartimentos:
S: Indivíduos susceptíveis são aqueles não infectados que não possuem imunidade, e que portanto
podem adquirir a infecção caso tenham contato com o agente patógeno  nesse caso o indivíduo
susceptível se torna infectado.

I: Indivíduos infectados são aqueles que contraíram a doença. O modelo SIR assume que: (i) esses
indivíduos podem transmitir a doença para indivíduos susceptíveis, caso haja contato entre
esses indivíduos; e (ii) o indivíduo infectado irá se curar após algum tempo, e passará a contar
com uma imunidade temporária contra nova infecção pela mesma doença, tornando-se um
indivíduo recuperado.

R: Indivíduos recuperados são aqueles indivíduos não infectados que apresentam uma imunidade
temporária contra a doença, o que signica que não irão contrair a doença mesmo que tenham
contato com indivíduos infectados. A imunidade pode ser decorrente de esses indivíduos
já terem sido infectados recentemente, tendo se curado, ou ainda pode ser decorrente de
vacinação. Após ser decorrido algum tempo, esses indivíduos perdem a imunidade, tornando-
se novamente susceptíveis.

O modelo SIR é expresso pelo seguinte sistema de equações diferenciais:

dS
= −β · I · S + µ · R
dt
dI
=β·I ·S−γ·I (6.6)
dt
dR
=γ·I −µ·R
dt
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 190

sendo que S(t) representa a proporção de indivíduos susceptíveis na população, a cada instante,
I(t) representa a proporção de indivíduos infectados, e R(t) representa a proporção de indivíduos
recuperados. Como todos os indivíduos da população devem estar em um dos três estados, ou
susceptível, ou infectado, ou recuperado, a soma das três proporções deve ser igual a um, ou seja:

S(t) + I(t) + R(t) = 1

As constantes β, µ e γ são parâmetros que representam características daquela infecção, sendo β


uma constante que signica a facilidade de contágio, dado que tenha ocorrido o contato entre um
indivíduo infectado e um indivíduo susceptível, γ é uma constante que é tão maior quanto menor
for o tempo que um indivíduo infectado permanecer doente, e µ é uma constante que é tão maior
quão menor for a duração da imunidade adquirida contra a doença.
A lógica de construção desse modelo é a seguinte:

ˆ O produto do número de indivíduos infectados pelo número de indivíduos susceptíveis, I · S,


será proporcional ao número de contatos entre indivíduos infectados e indivíduos susceptíveis.
O número de infecções decorrentes desses contatos, por sua vez, será proporcional ao número
de contatos que ocorrerem. Assim, o termo β · I · S , que passa a incluir uma constante de
proporcionalidade β , irá signicar uma taxa de contágio da infecção, que por um lado diminui
o número de indivíduos susceptíveis, que se tornam infectados, e por outro lado aumenta o
número de indivíduos infectados, pela transformação de susceptíveis em infectados. Por isso,
dI
esse termo aparece com sinal positivo na equação da derivada do número de infectados,
dt e
dS
com sinal negativo na equação da derivada do número de susceptíveis,
dt .

ˆ O outro fator que faz variar o número de indivíduos susceptíveis, além do fato de que uma
proporção desses indivíduos se tornarão infectados, é a perda da imunidade dos indivíduos
recuperados. Assim, o termo µR representa a perda da imunidade de parte dos indivíduos
recuperados que se tornam novamente susceptíveis. Esse termo aparece, portanto, com sinal
positivo na equação da derivada do número de susceptíveis. O mesmo termo µR tem de
dR
aparecer também na equação da derivada do número de indivíduos recuperados,
dt , porém
com sinal negativo, pois signica um processo que reduz o número de recuperados, que se
tornam susceptíveis.

ˆ Por m, o termo γ·I signica que a cada intervalo de tempo uma proporção dos indivíduos
que contraíram a doença, estando infectados, irá se recuperar, e esses indivíduos passarão a
ser recuperados, deixando de ser infectados. Esse termo, portanto, deve aparecer com sinal
positivo na equação da derivada do número de indivíduos recuperados, e com sinal negativo
dI
na equação da derivada do número de indivíduos infectados,
dt .

O modelo SIR representado pelo sistema de equações (6.6) não tem solução analítica geral
conhecida. Seu estudo, portanto, é feito a partir de métodos numéricos que servem para determinar
os grácos das funções.

Exemplo 6.3 Considere-se o modelo SIR da propagação de uma doença contagiosa descrito pelo sistema
de equações diferenciais (6.6), com os seguintes parâmetros: β = 4.7, µ = 0.3 e γ = 1.5. Considere-se ainda
uma população em que inicialmente 99% dos indivíduos são susceptíveis à doença, 1% dos indivíduos estão
infectados e nenhum indivíduo (ou seja, 0% da população) tem imunidade. Os grácos que representam
a variação, ao longo do tempo, da proporção de indivíduos susceptíveis, S(t), da proporção de indivíduos
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 191

1
I(t)
S(t)
R(t)

0.8

0.6

0.4

0.2

0
0 5 10 15 20 25 30

Figura 6.4: Evolução de uma epidemia em uma população ao longo do tempo. Azul: proporção
de susceptíveis, S(t). Vermelho: proporção de infectados, I(t). Verde: proporção de recuperados,
R(t).

infectados, I(t), e da proporção de indivíduos recuperados (ou seja, imunes), R(t), são obtidos utilizando
o sistema SageMath. Esses grácos são mostrados na gura 6.4. Pode-se notar que, após decorridas 30
unidades de tempo, o número de indivíduos infectados atinge um patamar constante, da ordem de pouco mais
de 10% da população. Uma epidemia com tais parâmetros atinge, portanto, um comportamento endêmico,
no qual uma certa parcela da população sempre estará doente.
O código SageMath que produz a gura 6.4 é mostrado a seguir.

> (S,I,R,t,N,gamma,beta,mu) = var('S I R t N gamma beta mu')


> beta = 4.7; gamma = 1.5; mu = 0.3; N = 1
> f1(S,I,t) = (beta/N)*I*S - gamma*I
> f2(S,I,t) = -(beta/N)*I*S + mu*(N-S-I)
> sol = desolve_system_rk4([f1,f2],[I,S],ivar=t,ics=[0,0.01,0.99],end_points=30)
> Is = [ [i,j] for i,j,k in sol]
> Ss = [ [i,k] for i,j,k in sol]
> Rs = [ [i,N-j-k] for i,j,k in sol]
> LP1 = list_plot(Is,plotjoined=true,color='red',legend_label='$I(t)$',gridlines=
'minor',frame=true)
> LP2 = list_plot(Ss,plotjoined=true,legend_label='$S(t)$')
> LP3 = list_plot(Rs,plotjoined=true,color='green',legend_label= '$R(t)$')
> Graf = LP1 + LP2 + LP3
> Graf
> Graf.save('figura.pdf')

Ao nal da execução deste código, a gura 6.4 aparecerá na tela (penúltima linha) e será armazenada em
um arquivo em formato PDF (última linha).


CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 192

6.4.1 Modicando o modelo SIR: vacinação.


É bastante fácil modicar o modelo SIR de forma a prever diferentes circunstâncias práticas, por
exemplo a introdução de um processo de vacinação da população exposta à doença. Para isso, temos
de introduzir no sistema de equações um termo que represente um processo de retirada de indivíduos
do compartimento de susceptíveis, S, transformando-os diretamente em indivíduos imunes, que são
contados no compartimento R. Isso pode ser feito, por exemplo, introduzindo um termo com a
seguinte estrutura:
φ·S
ou seja, igual a uma constante vezes a proporção de indivíduos susceptíveis. Se esse termo for
subtraído da derivada de S(t):

dS
= −β · I · S + µ · R − φ · S
dt
e ao mesmo tempo somado à derivada de R(t):

dR
=γ·I −µ·R+φ·S
dt
ele passará a representar um uxo de indivíduos sendo transferidos do compartimento S (grupo
de susceptíveis) para o compartimento R (grupo de imunes). Isso é exatamente o que a vacinação
deve fazer, o que signica que a vacinação pode ser representada dessa maneira. A constante φ irá
representar, então, a taxa de vacinação, ou seja, quanto maior φ, maior a proporção da população
de indivíduos susceptíveis que estará sendo vacinada por unidade de tempo. O sistema de equações
diferenciais que irá representar a propagação da epidemia agora sob a condição de vacinação de uma
parcela da população cará então:

dS
= −β · I · S + µ · R − φ · S
dt
dI
=β·I ·S−γ·I (6.7)
dt
dR
=γ·I −µ·R+φ·S
dt
O exemplo a seguir mostra o efeito da introdução da vacinação.

Exemplo 6.4 Considere-se o modelo SIR da propagação da mesma doença contagiosa que havia sido
considerada no exemplo 6.3, com os mesmos parâmetros, β = 4.7, µ = 0.3 e γ = 1.5, e considerando também
as mesmas condições iniciais da população com 99% dos indivíduos susceptíveis à doença, 1% dos indivíduos
infectados e nenhum indivíduo imune. Desta vez, iremos considerar também a presença de vacinação, de
acordo com o sistema de equações (6.7). Inicialmente, supomos uma taxa de vacinação φ = 0.4.
Os grácos que representam a variação, ao longo do tempo, da proporção de indivíduos susceptíveis, S(t),
da proporção de indivíduos infectados, I(t), e da proporção de indivíduos recuperados (ou seja, imunes), R(t),
são novamente obtidos utilizando o sistema SageMath. Esses grácos são mostrados na gura 6.5, sendo
agora superpostos aos grácos que haviam sido obtidos no exemplo 6.3, de forma a compararmos a situação
com e sem vacinação. Pode-se notar que, após decorridas 30 unidades de tempo, o número de indivíduos
infectados novamente atinge um patamar constante, agora da ordem de cerca de 5% da população. A mesma
epidemia também atinge, com a taxa de vacinação de φ = 0.4, um comportamento endêmico, no qual uma
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 193

1
I(t)
S(t)
R(t)

0.8

0.6

0.4

0.2

0
0 5 10 15 20 25 30

Figura 6.5: Evolução de uma epidemia em uma população, ao longo do tempo, para uma taxa de
vacinação φ = 0.4. Azul: proporção de susceptíveis, S(t). Vermelho: proporção de infectados, I(t).
Verde: proporção de recuperados, R(t). As curvas em linha contínua correspondem à situação com
vacinação, e as curvas tracejadas correspondem à situação sem vacinação.

certa parcela da população sempre estará doente. O esforço de vacinação terá atingido apenas a redução do
número de indivíduos infectados, mas não terá eliminado a epidemia.
O código SageMath que produz a gura 6.5 é mostrado a seguir. Esse código deve ser acrescentado como
sequência do código do Exemplo 6.3, pois as variáveis computacionais LP1, LP2 e LP3, que armazenam os
grácos dos infectados, susceptíveis e recuperados na situação sem vacinação, são montadas no código ante-
2
rior , sendo apenas chamadas novamente neste código quando da montagem da gura nal, na antepenúltima
linha.

> (S,I,R,t,N,gamma,beta,mu,phi) = var('S I R t N gamma beta mu phi')


> beta = 4.7; gamma = 1.5; mu = 0.3; N = 1; phi = 0.4
> f1(S,I,t) = (beta/N)*I*S - gamma*I
> f2(S,I,t) = -(beta/N)*I*S + mu*(N-S-I) - phi*S
> sol = desolve_system_rk4([f1,f2],[I,S],ivar=t,ics=[0,0.01,0.99],end_points=30)
> Is = [ [i,j] for i,j,k in sol]
> Ss = [ [i,k] for i,j,k in sol]
> Rs = [ [i,N-j-k] for i,j,k in sol]
> P1 = list_plot(Is,plotjoined=true,color='red',gridlines='minor',frame=true)
> P2 = list_plot(Ss,plotjoined=true)
> P3 = list_plot(Rs,plotjoined=true,color='green')
> Graf2 = P1 + P2 + P3 + LP1 + LP2 + LP3
> Graf2

2
Na prática, se o estudante for utilizar a versão on-line do SageMath, deverá colocar na área de comando um
único código que corresponda ao código do Exemplo 6.3 seguido do código mostrado neste Exemplo. Se o estudante
estiver utilizando a versão instalada em seu computador, que é executada por meio do Jupyter Notebook, os dois
códigos podem ser colocados em janelas de comando separadas, colocadas uma logo depois da outra.
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 194

1
I(t)
S(t)
R(t)

0.8

0.6

0.4

0.2

0
0 5 10 15 20 25 30

Figura 6.6: Evolução de uma epidemia em uma população, ao longo do tempo, para uma taxa de
vacinação φ = 0.8. Azul: proporção de susceptíveis, S(t). Vermelho: proporção de infectados, I(t).
Verde: proporção de recuperados, R(t). As curvas em linha contínua correspondem à situação com
vacinação, e as curvas tracejadas correspondem à situação sem vacinação.

> Graf2.save('figura2.pdf')

Ao nal da execução deste código, a gura 6.5 aparecerá na tela (penúltima linha) e será armazenada em
um arquivo em formato PDF (última linha).
Supomos, a seguir, uma taxa de vacinação φ = 0.8. O resultado é agora mostrado na gura 6.6, com os
novos grácos aqui produzidos novamente superpostos aos grácos correspondentes à situação sem vacinação.
Desta vez, após decorridas cerca de 15 unidades de tempo, o número de indivíduos infectados se aproxima
de zero. Com a taxa de vacinação de φ = 0.8, a epidemia agora tende a se extinguir.
O código SageMath para a simulação desse caso é exatamente o mesmo anterior, com uma única mu-
dança: na segunda linha, removemos o trecho phi = 0.4, fazendo sua substituição por: phi = 0.8. Execu-
tando novamente o código, após essa mudança, obtemos a gura 6.6.

O exemplo 6.4 evidencia um fenômeno de grande importância em epidemiologia, que é funda-


mental no planejamento de campanhas de vacinação pelos sistemas públicos de saúde: existe um
limiar crítico da taxa de vacinação φ, acima do qual ocorre a erradicação da doença. Se a taxa de
vacinação é mantida abaixo desse limiar, a doença permanecerá circulando na população de maneira
permanente.

6.4.2 Outras variações do modelo SIR


O modelo SIR, conforme apresentado nesta seção, se limita a modelar alguns poucos tipos de doenças
com características bem especícas. Essas doenças devem ser tais que: (i) sejam transmitidas de
pessoa para pessoa sem distinção de gênero, idade, ou outras, em uma população homogênea e com
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 195

todos os indivíduos potencialmente em contato uns com os outros; (ii) em geral não causem a morte
do doente; (iii) tenham um ciclo rápido, durante o qual ca irrelevante o número de mortes ou
nascimentos na população; (iv) levem a uma imunidade temporária, que seja perdida após algum
tempo.
Variações do modelo SIR podem ser construídas de forma a:

1. Considerar doenças que causem o aumento da mortalidade dos indivíduos infectados;

2. Considerar doenças que apresentem um tempo de incubação expressivo, durante o qual o


indivíduo já infectado ainda não irá apresentar sintomas nem transmitir a infecção;

3. Considerar doenças para as quais parte dos indivíduos infectados permaneçam assintomáticos,
sem desenvolver o quadro da doença;

4. Considerar doenças cujo ciclo de epidemia seja longo, tornando relevante a dinâmica demo-
gráca de nascimentos e mortes;

5. Considerar doenças que afetem diferentemente pessoas de idades diferentes;

6. Considerar doenças que levem à imunidade permanente dos indivíduos recuperados, ou ainda
que não levem a nenhuma imunidade, nem sequer temporária;

7. Considerar doenças sexualmente transmissíveis;

8. Considerar doenças cuja propagação ocorra sobre uma população espacialmente distribuída,
que irá se propagar apenas entre indivíduos localizados perto uns dos outros;

9. Considerar populações divididas em cidades com subpopulações, em que haja um intercâmbio


limitado de indivíduos trafegando entre as cidades;

10. Considerar doenças que sejam propagadas através de vetores, tais como mosquitos.

Os modelos utilizados para representar a COVID-19, por exemplo, certamente requerem as


modicações de 1 a 5, e ainda não se sabe neste momento (julho de 2020) se a imunidade adquirida
é permanente ou temporária, ou seja, ainda não se sabe se a modicação 6 é também necessária.
Já as arboviroses, que incluem a dengue, zika e chikungunya, são transmitidas pelo mosquito Aedes
aegypti e requerem, portanto, a modicação 10 acima. Além disso, também requerem a modicação
1, pois podem causar fatalidades.

6.5 Difusão de fármacos no organismo


A difusão de fármacos nos tecidos de um organismo (por exemplo, o corpo humano) é modelada
como uma cadeia de processos difusivos, em que o medicamento é introduzido no corpo, seja por via
parenteral (injeção), seja por via oral, e então se propaga para o plasma sanguíneo, que o transporta
para os tecidos do corpo. Nesta seção, discutiremos primeiro a construção desse tipo de modelo,
considerando uma das situações mais simples, na qual:

ˆ O fármaco é administrado por via endovenosa (ou seja, é aplicado diretamente na corrente
sanguínea em um instante inicial);
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 196

ˆ O fármaco não é metabolizado pelo organismo, sendo eliminado do corpo por meio dos rins
sem alteração de sua composição química.

No modelo aqui considerado, o fármaco se difunde para os vários tecidos do corpo a partir do plasma
sanguíneo, obedecendo a uma equação de difusão:

dCt
Vt = γ (Cp − Ct ) (6.8)
dt
Essa equação, que descreve a concentração de fármaco presente nos tecidos do corpo a cada instante,
é construída a partir dos seguintes elementos:

ˆ Cp (t) representa a concentração do fármaco no plasma sanguíneo.

ˆ Ct (t) representa a concentração do fármaco nos tecidos.

ˆ Vt é uma constante que representa o volume total de líquido contido nos tecidos, de forma
que Vt · Ct (t) representa a massa total de fármaco presente nos tecidos no instante t. Assim,
o termo Vt dC t
dt representa a taxa de variação da massa de fármaco presente nos tecidos.

ˆ A equação (6.8) diz que a taxa de variação da massa de fármaco nos tecidos é proporcional
à diferença entre a sua concentração nos tecidos e a sua concentração no sangue. Se a sua
concentração no sangue for maior que a sua concentração nos tecidos, ou seja, se a diferença
dada por (Cp (t) − Ct (t)) for positiva, a taxa de variação da massa de fármaco nos tecidos
será positiva, ou seja, os tecidos irão absorver fármaco vindo do sangue. Se essa diferença for
negativa, ou seja, se a concentração de fármaco no sangue for menor que a sua concentração
nos tecidos, o sangue irá retirar fármaco dos tecidos.

ˆ A constante de proporcionalidade γ é a taxa de difusão do fármaco entre o plasma sanguíneo


e o tecido, sendo que a velocidade da difusão será tão maior quanto maior for essa constante.

Outra equação é necessária para descrever a concentração de fármaco no sangue:

dCp
Vp = −γ (Cp − Ct ) − ρ Cp (6.9)
dt
Essa equação é construída da seguinte forma:

ˆ A constante Vp signica o volume total de plasma sanguíneo no sistema circulatório, de forma


que Vp · Cp (t) representa a massa total de fármaco no plasma sanguíneo existente no sistema
dCp
circulatório. O termo Vp
dt representa, portanto, a taxa de variação da massa de fármaco
presente no plasma sanguíneo. Há duas formas pelas quais a quantidade de fármaco no plasma
sanguíneo pode variar: pela troca de material com os tecidos do corpo, ou pela eliminação do
material pelos rins. O termo:
−γ (Cp − Ct )
representa a troca de material com os tecidos do corpo. Deve-se notar que um termo igual a
esse, porém com sinal positivo, aparece na expressão da derivada da concentração de fármaco
nos tecidos. Os dois termos são iguais e com sinais trocados porque eles descrevem um processo
de troca do fármaco entre o plasma sanguíneo e os tecidos, ou seja, um processo em que o
material que sai de um compartimento (plasma ou tecido) vai para o outro compartimento.
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 197

ˆ Há um outro termo na equação (6.9), dado por:

−ρ Cp
Esse termo representa a eliminação do fármaco pelos rins. Esse termo é sempre negativo, ou
seja, ele sempre causa a diminuição da quantidade de fármaco no plasma sanguíneo, e nunca
um aumento dessa quantidade. Esse termo faz com que a taxa de variação da quantidade
de fármaco no plasma sanguíneo descrita por ele seja proporcional a essa quantidade, o que
causaria um decaimento exponencial da quantidade de fármaco no sangue, semelhante ao
decaimento radioativo. A constante ρ representa a taxa de retirada de fármaco do sangue
pelos rins, sendo tão maior quanto mais rápida for tal retirada.

A movimentação de fármaco pelo plasma sanguíneo é descrita pela superposição desses dois pro-
cessos, que ocorrem sempre ao mesmo tempo. Sintetizando então, o seguinte sistema de equações
diferenciais descreve um tipo de dinâmica de fármaco no organismo:

dCp γ ρ
= − (Cp − Ct ) − Cp
dt Vp Vp
(6.10)
dCt γ
= (Cp − Ct )
dt Vt
Essa dinâmica é examinada no exemplo 6.5.

Exemplo 6.5 Considere-se uma situação em que o volume de plasma sanguíneo no sistema circulatório
é igual a 1.4 litros, e o volume de sangue armazenado nos tecidos é igual a 0.53 litros. A taxa de difusão
do fármaco entre o plasma sanguíneo e os tecidos é igual a 0.25, e a taxa de retirada do fármaco do plasma
sanguíneo pelos rins é igual a 0.05. Uma dose do fármaco é aplicada no organismo por via endovenosa, no
instante inicial. A gura 6.7 mostra a evolução no tempo das concentrações de fármaco no plasma sanguíneo,
Cp (t), e nos tecidos do organismo, Ct (t). Os grácos mostrados nessa gura foram calculados com auxílio
do sistema SageMath, que foi utilizado para resolver o sistema de equações (6.10). Pode-se notar que a alta
concentração inicial de fármaco no plasma sanguíneo faz subir rapidamente a concentração de fármaco nos
tecidos. Com essa movimentação do fármaco do plasma sanguíneo para os tecidos, a sua concentração no
plasma também diminui rapidamente. No instante t = 0.5 hora, as concentrações de fármaco nos tecidos e
no plasma sanguíneo se igualam (momentaneamente deixa de existir uxo de fármaco entre o sangue e os
tecidos). No entanto, durante todo o tempo, os rins estiveram atuando na eliminação de fármaco do sangue.
Assim, logo após esse instante, a concentração de fármaco no plasma sanguíneo passa a car menor que a
concentração nos tecidos. A partir desse momento, o sangue passa a retirar fármaco dos tecidos, levando-o
até os rins, onde este é eliminado. Após cerca de 8 horas, a concentração de fármaco no plasma sanguíneo
é cerca de dez por cento da concentração inicial.
O código SageMath que produz a gura 6.7 é mostrado a seguir.

> (Cp,Ct,Vp,Vt,t,gamma,rho) = var('Cp Ct Vp Vt t gamma rho')


> Vp = 1.4; Vt = 0.53; gamma = 0.25; rho = 0.05
> f1(Cp,Ct) = (-gamma*(Cp - Ct) - rho*Cp)/Vp
> f2(Cp,Ct) = (gamma/Vt)*(Cp - Ct)
> sol = desolve_system_rk4([f1,f2],[Cp,Ct],ivar=t,ics=[0,1,0],end_points=80)
> Cps = [ [.1*i,j] for i,j,k in sol]
> Cts = [ [.1*i,k] for i,j,k in sol]
> LP1 = list_plot(Cps,plotjoined=true,color='red',legend_label='$C_p(t)$',gridlines=
'minor',frame=true)
> LP2 = list_plot(Cts,plotjoined=true,legend_label='$C_t(t)$')
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 198

1
Cp (t)
Ct (t)

0.8

0.6

0.4

0.2

0
0 2 4 6 8

Figura 6.7: Evolução das concentrações de fármaco no plasma sanguíneo e nos tecidos, ao longo do
tempo, para a aplicação de uma única dose do medicamento por via intravenosa. Azul: concentração
de fármaco nos tecidos, Ct (t). Vermelho: concentração de fármaco no plasma sanguíneo, Cp (t).

> Graf = LP1 + LP2


> Graf
> Graf.save('figura.pdf')

Ao nal da execução deste código, a gura 6.7 aparecerá na tela (penúltima linha) e será armazenada em
um arquivo em formato PDF (última linha).

6.5.1 Modicação: administração por via oral


Uma modicação bastante simples pode ser feita no sistema de equações (6.10), para possibilitar a
representação da dinâmica de fármacos administrados por via oral. Para isso, incluímos um termo
que representa a quantidade de fármaco no trato gastrointestinal, representada por D(t):
dD
= −ν D
dt
Essa expressão diz que a quantidade de fármaco no trato gastrointestinal irá decair com taxa de
variação proporcional à própria quantidade de fármaco nesse compartimento. Isso signica que
o decaimento será exponencial (semelhante ao decaimento radioativo), sendo que a constante ν
representa a taxa de absorção do fármaco pelo sistema gastrointestinal. É claro que todo o fármaco
absorvido pelo sistema gastrointestinal irá inicialmente ser introduzido na corrente sanguínea, o que
signica que um termo com a estrutura νD deverá ser acrescentado à derivada da quantidade de
fármaco no sangue. A expressão dessa derivada ca então:

dCp ν γ ρ
= D− (Cp − Ct ) − Cp
dt Vp Vp Vp
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 199

A constante ν aparece nessa equação dividida por pelo volume do plasma sanguíneo, Vp , porque
D representa uma quantidade (massa), enquanto Cp representa uma concentração (massa por vo-
lume). O sistema de equações diferenciais que descreve como variam as concentrações de fármaco
no organismo, em uma situação de administração da droga por via oral, ca então:

dCp ν γ ρ
= D− (Cp − Ct ) − Cp
dt Vp Vp Vp
dCt γ
= (Cp − Ct ) (6.11)
dt Vt
dD
= −ν D
dt
O exemplo 6.6 mostra o estudo de uma situação em que esse modelo se aplica.

Exemplo 6.6 Consideram-se agora os mesmos parâmetros do caso examinado no exemplo 6.5: o volume
de plasma sanguíneo no sistema circulatório é igual a 1.4 litros, o volume de sangue armazenado nos tecidos
é igual a 0.53 litros, a taxa de difusão do fármaco entre o plasma sanguíneo e os tecidos é igual a 0.25, e
a taxa de retirada do fármaco do plasma sanguíneo pelos rins é igual a 0.05. Agora, entretanto, o fármaco
é administrado por via oral, e a taxa de absorção do fármaco pelo sistema gastroentestinal é dada por
ν = 0.05. Uma dose do fármaco é aplicada no organismo por via oral, no instante inicial. A gura 6.8
mostra a evolução no tempo das concentrações de fármaco no plasma sanguíneo, Cp (t), e nos tecidos do
organismo, Ct (t), e da quantidade de fármaco no sistema gastrointestinal, D(t). Os grácos mostrados
nessa gura foram calculados com auxílio do sistema SageMath, que foi utilizado para resolver o sistema de
equações (6.11). Pode-se notar que agora a concentração de fármaco no plasma sanguíneo demora a crescer,
devido à dinâmica do processo de absorção do fármaco pelo sistema gastrointestinal. Consequentemente,
a concentração de fármaco nos tecidos também demora a crescer. Essas concentrações atingem o máximo
cerca de três horas após a administração do medicamento, ao contrário do caso em que a administração era
feita por via endovenosa, quando o máximo de concentração era atingido em meia hora. Como o fármaco
permanece sendo absorvido pela corrente sanguínea, vindo do trato gastrointestinal, por bastante tempo,
nota-se também a permanência de uma concentração de fármaco no sangue e nos tecidos por mais tempo
que no caso da administração endovenosa, no qual a concentração do medicamento no organismo decai mais
rapidamente.
O código SageMath que produz a gura 6.8 é mostrado a seguir. Esse código deve ser acrescentado
como sequência do código do Exemplo 6.5, pois as variáveis computacionais LP1 e LP2, que armazenam os
grácos da concentração de fármaco no plasma sanguíneo e nos tecidos na situação de administração por
via endovenosa, são montadas no código anterior, sendo apenas chamadas novamente neste código quando
da montagem da gura nal, na antepenúltima linha.

> (Cp,Ct,D,Vp,Vt,t,gamma,rho,nu) = var('Cp Ct D Vp Vt t gamma rho nu')


> Vp = 1.4; Vt = 0.53; gamma = 0.25; rho = 0.05; nu = 0.05
> f1(Cp,Ct,D) = (nu*D -gamma*(Cp - Ct) - rho*Cp)/Vp
> f2(Cp,Ct,D) = (gamma/Vt)*(Cp - Ct)
> f3(Cp,Ct,D) = -nu*D
> sol = desolve_system_rk4([f1,f2,f3],[Cp,Ct,D],ivar=t,ics=[0,0,0,1],end_points=80)
> Cps = [ [.1*i,j] for i,j,k,l in sol]
> Cts = [ [.1*i,k] for i,j,k,l in sol]
> Ds = [ [.1*i,l] for i,j,k,l in sol]
> P1 = list_plot(Cps,plotjoined=true,color='red',gridlines='minor',frame=true)
> P2 = list_plot(Cts,plotjoined=true)
> P3 = list_plot(Ds,plotjoined=true,color='green',legend_label='$D(t)$')
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 200

1
D(t)
Cp (t)
Ct (t)

0.8

0.6

0.4

0.2

0
0 2 4 6 8

Figura 6.8: Evolução ao longo do tempo das concentrações de fármaco no plasma sanguíneo e
nos tecidos, e da quantidade de fármaco no trato gastrointestinal, para a aplicação de uma única
dose do medicamento por via oral. Azul: concentração de fármaco nos tecidos, Ct (t). Vermelho:
concentração de fármaco no plasma sanguíneo, Cp (t). Verde: quantidade de fármaco no trato
gastrointestinal. Em linha tracejada, são também mostradas as concentrações de fármaco nos
tecidos e no plasma sanguíneo caso a administração do mesmo medicamento fosse feita por via
endovenosa.
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 201

1.2
Cp (t)
Ct (t)
1 D(t)

0.8

0.6

0.4

0.2

0
0 10 20 30 40 50 60

Figura 6.9: Evolução ao longo do tempo das concentrações de fármaco no plasma sanguíneo e nos
tecidos, e da quantidade de fármaco no trato gastrointestinal, para a aplicação de múltiplas doses
do medicamento por via oral, com intervalo de quatro horas. Azul: concentração de fármaco nos
tecidos, Ct (t). Vermelho: concentração de fármaco no plasma sanguíneo, Cp (t). Verde: quantidade
de fármaco no trato gastrointestinal.

> Graf = P1 + P2 + P3 + LP1 + LP2


> Graf
> Graf.save('figura.pdf')

Ao nal da execução deste código, a gura 6.8 aparecerá na tela (penúltima linha) e será armazenada em
um arquivo em formato PDF (última linha).

O exemplo 6.7 mostra uma situação mais próxima dos casos reais, em que um fármaco é admi-
nistrado em múltiplas doses que são aplicadas periodicamente.

Exemplo 6.7 Consideram-se agora ainda os mesmos parâmetros corporais do caso examinado no exemplo
6.6: volume de plasma sanguíneo no sistema circulatório igual a 1.4 litros e volume de sangue armazenado
nos tecidos igual a 0.53 litros. O fármaco agora tem parâmetros diferentes, sendo a taxa de difusão do
fármaco entre o plasma sanguíneo e os tecidos igual a 0.8, taxa de retirada do fármaco do plasma sanguíneo
pelos rins igual a 0.3, taxa de absorção do fármaco pelo sistema gastroentestinal igual a 0.3. Desta vez,
uma dose do fármaco é aplicada no organismo, por via oral, a cada seis horas, durante dois dias. A gura
6.9 mostra a evolução no tempo das concentrações de fármaco no plasma sanguíneo, Cp (t), e nos tecidos do
organismo, Ct (t), e da quantidade de fármaco no sistema gastrointestinal, D(t). Os grácos mostrados nessa
gura foram calculados com auxílio do sistema SageMath, que foi utilizado para resolver o mesmo sistema
de equações (6.11)  que continua válido para este caso. Pode-se notar que agora a concentração de fármaco
no plasma sanguíneo irá atingir um pico algum tempo após a aplicação de cada dose do medicamento.
O valor dos primeiros máximos ainda será menor que o máximo que será atingido após a quarta dose.
Utilizando esse sistema de aplicação de múltiplas doses, a concentração de fármaco no organismo (tanto
no plasma sanguíneo quanto nos tecidos) irá se manter por um longo tempo oscilando em torno de uma
média. Essa concentração, portanto, poderá cará próxima de um nível terapêutico considerado adequado
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 202

para o tratamento em questão. O tamanho da oscilação irá depender tanto da quantidade de medicamento
administrado em cada dose quanto do intervalo de tempo entre as aplicações.
O código SageMath que produz a gura 6.9 é mostrado a seguir. Esse código é mais complexo que os ante-
riores porque, para representar as várias doses de fármaco que são administradas, o comando desolve_system_rk4
tem de ser executado várias vezes, uma vez para cada dose. Isso faz com que sejam necessários comandos
da linguagem de programação Python (essa linguagem é compreendida pelo sistema SageMath). O leitor que
preferir não investir tempo estudando esses comandos pode simplesmente copiar o código no SageMath e
executá-lo. Encontram-se marcados em vermelho no código os parâmetros que o leitor deve mudar, de forma
a estudar outros casos que sejam de seu interesse.

> (Cp,Ct,D,Vp,Vt,t,gamma,rho,nu,d,n,p,Int,K) = var('Cp Ct D Vp Vt t gamma rho nu d n p


Int K')
> Vp = 1.4; Vt = 0.53; gamma = 0.8; rho = 0.3; nu = 0.3
>
> # Valores das doses de antibiótico:
> D0 = [1, 1, 1, 1, 1, 1, 1, 1]
>
> # Intervalo de tempo entre doses, em horas:
> Int = 6
>
> D0.append(0)
> K = len(D0)-1
> f1(t,n,p,Cp,Ct,D) = (nu*D -gamma*(Cp - Ct) - rho*Cp)/Vp
> f2(t,n,p,Cp,Ct,D) = (gamma/Vt)*(Cp - Ct)
> f3(t,n,p,Cp,Ct,D) = -nu*D
> d = D0[0]
> sol = desolve_system_rk4([f1,f2,f3],[Cp,Ct,D],ivar=t,ics=[0,0,0,d],end_points=Int)
> lsol = len(sol)
> fsol = sol[lsol-1]
> fsol[3] = fsol[3] + D0[1]
> for i in range(K-1):
> sol2 = desolve_system_rk4([f1,f2,f3],[Cp,Ct,D],ivar=t,ics=fsol,end_points=Int*(i+2))
> sol = sol + sol2
> lsol = len(sol)
> fsol = sol[lsol-1]
> fsol[3] = fsol[3] + D0[i+2]
>
> sol2 = desolve_system_rk4([f1,f2,f3],[Cp,Ct,D],ivar=t,ics=fsol,end_points=Int*(K+3))
> sol = sol + sol2
> Cps = [ [i,j] for i,j,k,l in sol]
> Cts = [ [i,k] for i,j,k,l in sol]
> Ds = [ [i,l] for i,j,k,l in sol]
> P1 = list_plot(Cps,plotjoined=true,color='red',legend_label= '$C_p(t)$',gridlines=
'minor',frame=true)
> P2 = list_plot(Cts,plotjoined=true,legend_label='$C_t(t)$')
> P3 = list_plot(Ds,plotjoined=true,color='green',legend_label= '$D(t)$')
> Graf = P1 + P2 + P3
> Graf
> Graf.save('figura.pdf')

Ao nal da execução deste código, a gura 6.9 aparecerá na tela (penúltima linha) e será armazenada em
CAPÍTULO 6. SISTEMAS DE EQUAÇÕES DIFERENCIAIS 203

um arquivo em formato PDF (última linha). ♦

Você também pode gostar