Calculando a integral de uma função conhecida apenas por uma tabela

Quando temos apenas alguns valores de uma função (não conhecida) e os valores de \(x\) não estão igualmente espaçados, ainda assim podemos aproximar a integral numericamente.

1. A regra dos trapézios para espaçamento variável

Suponha que conheçamos os valores da função nos pontos \(x_0, x_1, \ldots, x_n\):

\(x\)	\(x_0\)	\(x_1\)	\(\cdots\)	\(x_n\)
\(f(x)\)	\(f_0\)	\(f_1\)	\(\cdots\)	\(f_n\)

Em cada intervalo \([x_i, x_{i+1}]\), substituímos a função por uma reta que liga os dois pontos consecutivos. A área aproximada desse intervalo é a área de um trapézio:

\[ A_i \approx \frac{x_{i+1}-x_i}{2} \left[f(x_i)+f(x_{i+1})\right]. \]

Somando todos os trapézios, obtemos:

\[ \int_{x_0}^{x_n} f(x)\,dx \approx \sum_{i=0}^{n-1} \frac{x_{i+1}-x_i}{2} \left[f(x_i)+f(x_{i+1})\right]. \]

Essa fórmula funciona diretamente mesmo quando os pontos não são igualmente espaçados.

2. Exemplo numérico

Considere a seguinte tabela:

\(x\)	\(0\)	\(0,5\)	\(1,4\)	\(2\)
\(f(x)\)	\(1\)	\(2\)	\(1,5\)	\(3\)

Os espaçamentos entre os valores de \(x\) são diferentes:

• \(0,5 - 0 = 0,5\);
• \(1,4 - 0,5 = 0,9\);
• \(2 - 1,4 = 0,6\).

Aplicando a regra dos trapézios:

\[ \begin{aligned} \int_0^2 f(x)\,dx &\approx \frac{0,5-0}{2}(1+2) + \frac{1,4-0,5}{2}(2+1,5) \\ &\quad+ \frac{2-1,4}{2}(1,5+3). \end{aligned} \]

Calculando cada parcela:

\[ \frac{0,5}{2}(3)=0,75, \] \[ \frac{0,9}{2}(3,5)=1,575, \] \[ \frac{0,6}{2}(4,5)=1,35. \]

Portanto:

\[ \int_0^2 f(x)\,dx \approx 0,75+1,575+1,35 = 3,675. \]

Assim, para os dados da tabela, \[ \boxed{ \int_0^2 f(x)\,dx \approx 3,675 }. \]

3. Por que não usar diretamente a regra de Simpson?

A regra de Simpson tradicional foi deduzida para pontos igualmente espaçados. Para três pontos, por exemplo, é necessário que:

\[ x_1-x_0=x_2-x_1. \]

Portanto, se os pontos da tabela não são igualmente espaçados, não devemos aplicar automaticamente a fórmula usual de Simpson. Existem versões generalizadas para espaçamentos irregulares, mas elas são menos simples e exigem mais cuidado.

4. Interpolação da função

Outra possibilidade é construir uma função aproximante que passe pelos dados e depois integrá-la. Entre as opções estão:

• interpolação linear por partes;
• polinômio interpolador;
• interpolação por splines cúbicos;
• ajuste por regressão, especialmente quando há ruído experimental.

Interpolação linear por partes

A interpolação linear por partes substitui a função por segmentos de reta entre pontos consecutivos. Integrar essa aproximação é exatamente o mesmo que aplicar a regra dos trapézios.

Splines cúbicos

Os splines cúbicos usam polinômios de grau \(3\) em cada intervalo. Eles produzem uma curva mais suave e podem ser mais precisos quando a função original também é suave.

Entretanto, splines podem não ser a melhor escolha quando os dados têm muito ruído, pois podem tentar acompanhar oscilações que não fazem parte do comportamento real da função.

5. Qual método escolher?

Regra dos trapézios

É uma boa escolha quando:

• os pontos não são igualmente espaçados;
• você deseja um método simples e robusto;
• os dados contêm ruído;
• não conhece bem o comportamento da função.

Splines cúbicos

Podem ser mais adequados quando:

• a função parece suave;
• os dados são confiáveis;
• há poucos pontos;
• é necessária uma aproximação mais precisa.

Ajuste por regressão

Quando os valores vêm de medições experimentais, pode ser melhor ajustar uma curva que não passe necessariamente por todos os pontos. Isso reduz a influência do ruído e permite integrar a curva ajustada.

6. Estimativa do erro

A precisão da regra dos trapézios depende da curvatura da função e da distância entre os pontos.

Se a segunda derivada da função satisfaz \(\lvert f''(x)\rvert\leq M\), e se

\[ h_{\max}=\max_i(x_{i+1}-x_i), \]

então uma estimativa do erro global é:

\[ \lvert E\rvert \leq \frac{b-a}{12}h_{\max}^2M. \]

Quando a função é desconhecida, normalmente não conhecemos \(M\). Nesse caso, podemos comparar diferentes métodos, aumentar a quantidade de pontos ou verificar se o resultado se altera significativamente quando alguns pontos são retirados.

7. Atenção às unidades

A unidade da integral é o produto das unidades de \(x\) e de \(f(x)\). Por exemplo, se \(x\) é medido em segundos e \(f(x)\) em metros por segundo, então:

\[ \text{segundo}\times \frac{\text{metro}}{\text{segundo}} = \text{metro}. \]

Portanto, a integral nesse caso representa uma distância.

Conclusão

Para uma tabela de valores com pontos não igualmente espaçados, o método padrão e mais seguro é a regra dos trapézios com larguras diferentes:

\[ \boxed{ \int_{x_0}^{x_n} f(x)\,dx \approx \sum_{i=0}^{n-1} \frac{x_{i+1}-x_i}{2} \left[f(x_i)+f(x_{i+1})\right] }. \]

Se os dados forem suaves e for necessária maior precisão, também pode ser interessante construir uma interpolação por splines cúbicos e integrar essa aproximação.

Nota de transparência: este texto foi elaborado com o auxílio de uma ferramenta de inteligência artificial, utilizada para organizar a explicação matemática e preparar o conteúdo em formato HTML para publicação.

Letras gregas na matemática, física e engenharia

As letras gregas são um “alfabeto auxiliar” essencial em matemática, física e engenharia: como o alfabeto latino tem poucas letras, os símbolos gregos ampliam o vocabulário de variáveis, constantes, operadores, unidades e grandezas.

Por que usamos letras gregas

Em uma equação, cada símbolo precisa ter um significado claro. As letras gregas permitem distinguir, por exemplo, uma variável latina \(x\) de um incremento \(\Delta x\), uma frequência \(f\) de uma frequência angular \(\omega\), ou uma resistência elétrica \(R\) da unidade ohm, \(\Omega\).

Em resumo, as letras gregas são amplamente empregadas como símbolos para variáveis, constantes, funções, operadores, grandezas físicas e unidades. Elas ampliam o conjunto de símbolos disponíveis para além do alfabeto latino e ajudam a evitar conflitos de notação em equações.

Exemplos importantes

• π — constante pi, razão entre o comprimento de uma circunferência e seu diâmetro.
• Σ — somatório; Π — produtório.
• Δ — variação, como em Δx = x_final − x_inicial.
• λ — comprimento de onda, em metros.
• ω — velocidade angular ou frequência angular, em rad/s.
• Ω — ohm, unidade SI de resistência elétrica.
• μ — permeabilidade magnética, coeficiente de atrito, média estatística ou prefixo micro (10^-6).
• ρ — densidade, resistividade elétrica ou coeficiente de correlação.
• ε — permissividade elétrica, deformação específica ou quantidade arbitrariamente pequena em limites.
• σ — tensão mecânica, condutividade elétrica, desvio-padrão ou somatório quando escrita como Σ.

Atenção: o significado de uma letra grega depende do contexto. Por exemplo, μ pode significar permeabilidade magnética em eletromagnetismo, coeficiente de atrito em mecânica ou média em estatística.

Alfabeto grego

Letra grega	Nome / pronúncia	Letra grega	Nome / pronúncia
Α α	Alfa — “ál-fa”	Ν ν	Nu — “niú”
Β β	Beta — “bê-ta”	Ξ ξ	Xi — “ksi”
Γ γ	Gama — “gâ-ma”	Ο ο	Ômicron — “ô-mi-cron”
Δ δ	Delta — “dél-ta”	Π π	Pi — “pai”
Ε ε	Epsilon — “ép-si-lon”	Ρ ρ	Rô — “rô”
Ζ ζ	Zeta — “zê-ta”	Σ σ ς	Sigma — “síg-ma”
Η η	Eta — “ê-ta”	Τ τ	Tau — “taú”
Θ θ	Theta — “tê-ta”	Υ υ	Upsilon — “úp-si-lon”
Ι ι	Iota — “i-ó-ta”	Φ φ	Fi — “fai”
Κ κ	Kappa — “cá-pa”	Χ χ	Chi — “kai”
Λ λ	Lambda — “lâm-da”	Ψ ψ	Psi — “psai”
Μ μ	Mi — “miú”	Ω ω	Ômega — “ô-mê-ga”

Observações

Obs: Cuidados de leitura - a pronúncia das letras gregas segue a convenção usual em aulas de ciências em português, não necessariamente a pronúncia do grego moderno. Além disso, o mesmo símbolo pode ter significados diferentes conforme o contexto: \(\mu\), por exemplo, pode ser permeabilidade magnética, coeficiente de atrito, média estatística ou o prefixo micro.

• A letra σ possui uma forma final, ς, usada no grego quando aparece ao final de uma palavra; em notação científica, normalmente se usa apenas σ.
• Algumas letras têm variantes gráficas, especialmente ε/ϵ, θ, φ/ϕ e π.
• Em textos técnicos, é fundamental definir cada símbolo na primeira vez em que aparece, pois letras gregas são reutilizadas com sentidos distintos em áreas diferentes.

Algumas anedotas e frases pitorescas sobre matemática

A matemática costuma ser associada à precisão, mas a sua história também está cheia de humor, ironia e episódios curiosos. Eis uma pequena seleção para os leitores interessados no lado mais humano — e divertido — da disciplina.

1. O número do táxi

   Certa vez, o matemático G. H. Hardy foi visitar o seu colega Srinivasa Ramanujan no hospital. Hardy comentou que havia chegado no táxi número 1.729, um número que lhe pareceu bastante sem graça.

   “Não, Hardy! É um número muito interessante: é o menor número que pode ser expresso como a soma de dois cubos positivos de duas maneiras diferentes.”

   De fato, 1.729 = 1³ + 12³ = 9³ + 10³.

   A anedota é tradicionalmente atribuída a G. H. Hardy e Ramanujan.

2. A máquina de transformar café em teoremas

   “Um matemático é uma máquina que transforma café em teoremas.”

   A frase é geralmente associada ao matemático húngaro Alfréd Rényi, que a teria usado para descrever o seu colega Paul Erdős. Erdős era famoso por viajar constantemente, trabalhar com muitos colaboradores e consumir grandes quantidades de café.

   Frase atribuída a Alfréd Rényi, sobre Paul Erdős.

3. O paraíso dos matemáticos

   “Ninguém nos expulsará do paraíso que Cantor criou.”

   David Hilbert pronunciou essa frase ao defender a importância da teoria dos conjuntos, área desenvolvida em grande parte por Georg Cantor. A imagem do “paraíso” transmite a ideia de que, uma vez descobertas novas possibilidades matemáticas, não deveríamos abandoná-las apenas por parecerem estranhas ou abstratas.

   David Hilbert, em defesa da teoria dos conjuntos de Cantor.

4. A rainha das ciências

   “A matemática é a rainha das ciências, e a teoria dos números é a rainha da matemática.”

   A frase é atribuída a Carl Friedrich Gauss, um dos maiores matemáticos da história. Ela mostra a admiração que Gauss tinha pela teoria dos números, ramo que estuda propriedades dos números inteiros.

   Carl Friedrich Gauss.

5. Quando a matemática encontra a realidade

   “Na medida em que as leis da matemática se referem à realidade, elas não são certas; e, na medida em que são certas, não se referem à realidade.”

   A frase, atribuída a Albert Einstein, é uma reflexão sobre a diferença entre os modelos matemáticos e o mundo real. A matemática pode ser perfeitamente rigorosa dentro de um sistema, mas a aplicação desse sistema à realidade depende de hipóteses e aproximações.

   Albert Einstein.

6. A matemática como arte

   “A matemática, vista corretamente, possui não apenas verdade, mas também suprema beleza.”

   Bertrand Russell escreveu sobre a beleza da matemática e sobre a elegância das demonstrações. Para muitos matemáticos, uma boa prova não é apenas correta: ela também é simples, inesperada e harmoniosa.

   Ideia associada aos escritos de Bertrand Russell sobre a matemática.

7. Uma definição curiosa

   “A matemática pode ser definida como a disciplina em que nunca sabemos do que estamos falando nem se aquilo que estamos dizendo é verdadeiro.”

   Bertrand Russell pretendia fazer uma observação irônica sobre a abstração matemática. Embora a frase pareça negar o sentido da matemática, ela brinca com o fato de que os matemáticos podem estudar objetos muito abstratos, definidos apenas por regras e relações.

   Bertrand Russell, em formulação humorística sobre a abstração matemática.

8. O estudante e o professor

   Um estudante perguntou a um professor de matemática:

   “Professor, qual é a resposta correta para este problema?”

   O professor respondeu:

   “A resposta é apenas metade do trabalho. A outra metade é saber por que ela está correta.”

   A anedota resume uma das características essenciais da matemática: não basta chegar a um resultado; é preciso justificar cada passo.

9. O teorema “óbvio”

   Em matemática, é comum alguém dizer que determinado resultado é “óbvio”. Um estudante então pergunta:

   “Se é tão óbvio, por que precisamos de uma demonstração?”

   A resposta tradicional é:

   “Porque aquilo que é óbvio para quem já entendeu pode ser completamente invisível para quem ainda está aprendendo.”

   A frase não pertence necessariamente a um matemático específico, mas expressa uma verdade importante sobre o ensino da matemática.

10. A demonstração interminável

    Um matemático entregou uma demonstração de várias páginas a um colega. O colega leu atentamente e comentou:

    “A demonstração está correta, mas existe uma maneira mais curta.”

    No dia seguinte, o matemático voltou com uma demonstração de apenas meia página. O colega leu e disse:

    “Agora está perfeita. Só falta provar que é verdadeira.”

    A anedota brinca com a diferença entre uma demonstração curta e uma demonstração realmente clara e completa.

11. O perigo da generalização

    Um aluno observou:

    “Professor, descobri uma regra que funciona para os números 1, 2, 3, 4 e 5.”

    O professor respondeu:

    “Excelente. Agora descubra se ela também funciona para o número 6.”

    A piada recorda que verificar alguns casos pode sugerir uma conjectura, mas não substitui uma demonstração geral.

Uma última observação

Muitas frases famosas atribuídas a matemáticos circularam durante décadas em livros, palestras e na internet. Por isso, a autoria de algumas pode variar conforme a fonte. Ainda assim, todas elas revelam algo sobre a criatividade, a persistência e o senso de humor presentes na matemática.

Calculando numericamente a derivada de uma função

Quando conhecemos uma função \(f(t)\), mas não temos uma expressão analítica para sua derivada, podemos calcular uma aproximação numérica de \(f'(t_0)\) em um ponto \(t_0\).

1. A ideia básica

A derivada de uma função no ponto \(t_0\) é definida pelo limite

\[ f'(t_0) = \lim_{h \to 0} \frac{f(t_0+h)-f(t_0)}{h}. \]

Na prática, escolhemos um valor pequeno para \(h\) e usamos uma fórmula de diferenças finitas para aproximar a derivada.

Entretanto, escolher \(h\) extremamente pequeno nem sempre produz um resultado melhor. Se \(h\) for pequeno demais, podem surgir erros de arredondamento causados pela subtração de números muito próximos.

2. Diferença progressiva

A fórmula mais simples é a diferença progressiva:

\[ f'(t_0) \approx \frac{f(t_0+h)-f(t_0)}{h}. \]

Essa aproximação possui erro de truncamento da ordem de \(h\):

\[ \frac{f(t_0+h)-f(t_0)}{h} = f'(t_0)+\mathcal{O}(h). \]

Embora seja fácil de usar, essa fórmula geralmente não é a melhor escolha quando se deseja alta acurácia.

3. Diferença central

Uma fórmula geralmente melhor é a diferença central:

\[ f'(t_0) \approx \frac{f(t_0+h)-f(t_0-h)}{2h}. \]

O erro dessa fórmula é da ordem de \(h^2\):

\[ \frac{f(t_0+h)-f(t_0-h)}{2h} = f'(t_0)+\mathcal{O}(h^2). \]

Isso significa que, em condições adequadas, a diferença central produz resultados significativamente mais precisos do que a diferença progressiva.

4. Fórmula de cinco pontos

Para obter uma aproximação ainda mais precisa, podemos usar a fórmula central de cinco pontos:

\[ f'(t_0) \approx \frac{ f(t_0-2h) -8f(t_0-h) +8f(t_0+h) -f(t_0+2h) }{12h}. \]

O erro de truncamento dessa fórmula é da ordem de \(h^4\):

\[ f'(t_0) = \frac{ f(t_0-2h) -8f(t_0-h) +8f(t_0+h) -f(t_0+2h) }{12h} + \mathcal{O}(h^4). \]

Portanto, essa fórmula costuma ser uma excelente escolha quando a função é suave e pode ser avaliada com boa precisão.

Observação: embora a fórmula de cinco pontos seja mais precisa teoricamente, escolher um valor de \(h\) muito pequeno ainda pode aumentar os erros de arredondamento.

5. Como escolher o valor de \(h\)

Em aritmética de precisão dupla, uma escolha inicial razoável para a diferença central é

\[ h \approx \varepsilon^{1/3} \max\left(1,\lvert t_0\rvert\right), \]

onde \(\varepsilon\) é a precisão de máquina. Para números em precisão dupla,

\[ \varepsilon \approx 2{,}22 \times 10^{-16}. \]

Assim,

\[ \varepsilon^{1/3} \approx 6{,}0 \times 10^{-6}. \]

Uma escolha inicial pode ser, portanto,

\[ h \approx 6{,}0 \times 10^{-6} \max\left(1,\lvert t_0\rvert\right). \]

Esse valor não é universalmente ótimo. Uma estratégia mais confiável é calcular a derivada usando vários valores de \(h\), por exemplo:

• \(h\);
• \(h/2\);
• \(h/4\);
• \(h/8\).

Se os resultados começarem a ficar estáveis, os algarismos que permanecem iguais são uma indicação da precisão obtida.

6. Extrapolação de Richardson

Também é possível aumentar a precisão usando a extrapolação de Richardson.

Considere a diferença central

\[ D(h) = \frac{f(t_0+h)-f(t_0-h)}{2h}. \]

Como o erro principal é proporcional a \(h^2\), temos

\[ D(h) = f'(t_0)+Ch^2+\mathcal{O}(h^4), \]

em que \(C\) é uma constante. Calculando também \(D(h/2)\), podemos eliminar o termo proporcional a \(h^2\):

\[ D_{\text{Richardson}} = \frac{4D(h/2)-D(h)}{3}. \]

O erro da nova aproximação passa a ser da ordem de \(h^4\):

\[ D_{\text{Richardson}} = f'(t_0)+\mathcal{O}(h^4). \]

Esse procedimento pode ser repetido para construir uma tabela de extrapolação e alcançar uma precisão ainda maior.

7. Método da diferença complexa

Se a função puder ser avaliada para argumentos complexos, existe uma técnica especialmente eficiente chamada método da diferença complexa.

Nesse método, usamos

\[ f'(t_0) \approx \frac{ \operatorname{Im}\left(f(t_0+ih)\right) }{h}, \]

onde \(i\) é a unidade imaginária, definida por

\[ i^2=-1. \]

Pela expansão de Taylor,

\[ f(t_0+ih) = f(t_0) +ihf'(t_0) -\frac{h^2}{2}f''(t_0) -\frac{ih^3}{6}f'''(t_0) +\cdots. \]

Tomando somente a parte imaginária e dividindo por \(h\), obtemos

\[ \frac{ \operatorname{Im}\left(f(t_0+ih)\right) }{h} = f'(t_0)+\mathcal{O}(h^2). \]

A principal vantagem é que essa fórmula evita a subtração de dois números reais muito próximos. Por isso, podemos usar valores de \(h\) extremamente pequenos, como

\[ h=10^{-20}. \]

Atenção: o método da diferença complexa só funciona se a implementação da função aceitar números complexos. Ele pode não funcionar corretamente para funções que usam operações como abs, comparações, max, min ou definições por partes.

8. Exemplo numérico

Considere a função

\[ f(t)=\sin(t) \]

e suponha que desejamos calcular a derivada em

\[ t_0=1. \]

Sabemos analiticamente que

\[ f'(t)=\cos(t), \]

portanto,

\[ f'(1)=\cos(1) \approx 0{,}540302305868. \]

Usando a fórmula de cinco pontos com \(h=0{,}01\), obtemos

\[ f'(1) \approx \frac{ \sin(0{,}98) -8\sin(0{,}99) +8\sin(1{,}01) -\sin(1{,}02) }{0{,}12}. \]

O resultado é muito próximo de

\[ 0{,}5403023059. \]

Esse valor concorda com o resultado exato até várias casas decimais.

9. Implementação em Python

Diferença central

def derivada_central(f, t0, h):
    return (f(t0 + h) - f(t0 - h)) / (2 * h)

Fórmula de cinco pontos

def derivada_5_pontos(f, t0, h):
    return (
        f(t0 - 2 * h)
        - 8 * f(t0 - h)
        + 8 * f(t0 + h)
        - f(t0 + 2 * h)
    ) / (12 * h)

Exemplo de utilização

import math

f = math.sin
t0 = 1.0
h = 1e-3

resultado = derivada_5_pontos(f, t0, h)

print("Derivada aproximada:", resultado)
print("Valor exato:", math.cos(t0))

10. Como testar vários valores de \(h\)

Uma maneira prática de procurar um valor adequado para \(h\) é calcular a derivada para vários valores e comparar os resultados:

import math

def derivada_5_pontos(f, t0, h):
    return (
        f(t0 - 2 * h)
        - 8 * f(t0 - h)
        + 8 * f(t0 + h)
        - f(t0 + 2 * h)
    ) / (12 * h)


f = math.sin
t0 = 1.0

for k in range(1, 14):
    h = 10.0 ** (-k)
    valor = derivada_5_pontos(f, t0, h)

    print(
        "h =",
        h,
        " | derivada aproximada =",
        valor
    )

Para valores grandes de \(h\), o erro de truncamento tende a ser dominante. Para valores muito pequenos, o erro de arredondamento tende a dominar. O melhor valor normalmente está entre esses dois regimes.

11. Quando a função contém ruído

Se os valores da função contiverem ruído, reduzir \(h\) pode piorar o resultado.

Suponha que os valores disponíveis sejam

\[ \widetilde{f}(t)=f(t)+\eta(t), \]

onde \(\eta(t)\) representa o ruído. Como a derivada numérica divide uma diferença por \(h\), o ruído também pode ser ampliado por esse fator.

Nesse caso, uma alternativa é avaliar a função em vários pontos próximos de \(t_0\), ajustar um polinômio local e depois derivar esse polinômio.

Por exemplo, podemos ajustar

\[ p(t) = a_0 +a_1(t-t_0) +a_2(t-t_0)^2 +\cdots \]

e usar

\[ f'(t_0)\approx p'(t_0)=a_1. \]

Esse procedimento é conhecido como diferenciação por ajuste polinomial local. Em dados experimentais, ele costuma ser mais estável do que aplicar diretamente uma fórmula de diferenças finitas.

12. Recomendação final

Para uma função numérica comum, sem ruído, uma boa estratégia é:

1. começar com a fórmula da diferença central;
2. usar a fórmula de cinco pontos quando precisar de maior acurácia;
3. testar vários valores de \(h\);
4. observar em qual faixa os resultados se tornam estáveis;
5. usar extrapolação de Richardson se precisar de mais precisão;
6. usar a diferença complexa quando a função aceitar números complexos.

Em particular, uma excelente escolha geral é

\[ \boxed{ f'(t_0) \approx \frac{ f(t_0-2h) -8f(t_0-h) +8f(t_0+h) -f(t_0+2h) }{12h} } \]

com \(h\) escolhido por meio de testes de estabilidade.

Uma reflexão de Yuval Harari.

21 Lições para o Século 21 é um livro do historiador Yuval Harari lançado em 30 de agosto de 2018.

Essa frase do historiador e escritor Yuval N. Harari sintetiza uma das características mais marcantes da nossa espécie: a grande necessidade de atribuir sentido ao mundo por meio de histórias.

Desde os primórdios, não nos organizamos em grandes sociedades por causa de tabelas de dados ou equações complexas, mas por conta das narrativas compartilhadas, sejam elas mitologias, ideologias políticas, religiões ou até mesmo o conceito de dinheiro. A mente humana busca padrões, intenções e significados emocionais; fatos isolados e números frios exigem um esforço cognitivo maior e raramente mobilizam paixões.

O grande alerta contido na segunda parte do pensamento de Harari --"quanto mais simples a narrativa, melhor" -- reside na nossa vulnerabilidade à simplificação excessiva. Em um mundo cada vez mais complexo e dinâmico, histórias maniqueístas que dividem a realidade em "bom vs. mau" ou "certo vs. errado" tornam-se extremamente sedutoras, pois reduzem a ansiedade diante da incerteza. O risco moderno é justamente abrir mão da complexidade dos fatos em troca do conforto de uma boa (e falsa) narrativa.

#Reflexão #Pensamento 

Prêmios de Matemática: Internacionais e Brasileiros

A Medalha Fields é o prêmio mais prestigiado da matemática, especialmente para matemáticos jovens. Mas não é o único de altíssimo prestígio: o Prêmio Abel, o Prêmio Wolf e o Breakthrough Prize in Mathematics também ocupam o topo da hierarquia internacional.

Prêmios internacionais de maior prestígio

Prêmio	Periodicidade	Perfil do reconhecimento	Observações
Medalha Fields	A cada 4 anos	Contribuições excepcionais de matemáticos com até 40 anos	Concedida no Congresso Internacional de Matemáticos (ICM), a até quatro pessoas por edição; é frequentemente chamada de “Nobel da matemática”.
Prêmio Abel	Anual	Carreira e contribuições científicas de altíssimo nível	É provavelmente o prêmio mais próximo de um “Nobel de matemática” para pesquisadores consolidados; o primeiro foi dado a Jean-Pierre Serre em 2003.
Prêmio Wolf em Matemática	Anual	Realizações de grande impacto, geralmente em carreira madura	Muitos ganhadores também receberam a Medalha Fields ou o Prêmio Abel, o que evidencia seu prestígio.
Breakthrough Prize in Mathematics	Anual	Descobertas transformadoras em qualquer ramo da matemática	Tem valor de US$ 3 milhões, sendo o prêmio individual mais valioso da ciência; há também os prêmios New Horizons in Mathematics para pesquisadores em início de carreira.
Medalha Chern	A cada 4 anos, no ICM	Conjunto da obra de excelência excepcional	Reconhece realizações de alto nível ao longo da carreira.

Como distinguir

• Fields: prestígio máximo, mas restrito a jovens (até 40 anos) e concedido somente a cada quatro anos.
• Abel: prestígio máximo e mais abrangente quanto à idade; é o principal prêmio de carreira em matemática.
• Wolf: também de altíssimo prestígio, com forte peso histórico e reconhecimento de contribuições duradouras.
• Breakthrough: enorme visibilidade pública e maior valor financeiro, mas de criação mais recente.
• Chern: reconhecimento internacional de alto nível para realizações de vida, entregue no ICM.

Há ainda prêmios muito relevantes, porém mais específicos ou de escopo menor: Crafoord Prize, Shaw Prize, BBVA Foundation Frontiers of Knowledge Award, Ostrowski Prize, Cole Prize (álgebra e teoria dos números), Veblen Prize (geometria/topologia) e Steele Prize (exposição, pesquisa e impacto).

Principais prêmios brasileiros

O cenário brasileiro não tem um equivalente direto da Medalha Fields, mas possui prêmios consolidados da SBM, do IMPA e de instituições parceiras.

Prêmio	Quem concede	O que reconhece
Prêmio SBM	Sociedade Brasileira de Matemática	O melhor artigo de pesquisa recente de um jovem pesquisador residente no Brasil; é um dos principais reconhecimentos nacionais para pesquisa matemática.
Prêmio Gutierrez	SBM e ICMC-USP	A melhor tese de doutorado em matemática defendida no Brasil no ano anterior, avaliando originalidade, qualidade e profundidade.
Prêmio Hildebrando Munhoz Rodrigues	SBM, na SENIC	O melhor projeto de iniciação científica em matemática do país, com categorias Ouro, Prata e Bronze.
Prêmios do IMPA	IMPA e parceiros	Reconhecimentos ligados à pesquisa, à formação e à divulgação matemática; o IMPA também divulga e apoia prêmios como o SBM e o Gutierrez.
Prêmios de Olimpíadas	OBMEP, IMO, SBM e parceiros	Excelência de estudantes na resolução de problemas; não medem pesquisa de ponta, mas são a porta de entrada mais visível da matemática brasileira internacionalmente.

Destaques nacionais

• O Prêmio SBM é provavelmente a principal honraria brasileira para um jovem pesquisador em matemática pura ou aplicada; o vencedor recebe diploma, premiação em dinheiro e é convidado a dar palestra plenária na cerimônia.
• O Prêmio Gutierrez é a principal distinção para teses de doutorado em matemática no Brasil; em 2026, por exemplo, premiou uma tese de cotutela UnB–Universidade de Sevilha com R$ 3,2 mil.
• O Prêmio Hildebrando Munhoz Rodrigues é o destaque nacional para iniciação científica, reconhecendo projetos de graduação de alta qualidade.

---------------------------------------

Brasileiros premiados internacionalmente em Matemática

O caso mais notável é o de Artur Ávila, primeiro brasileiro — e primeiro sul-americano — a receber a Medalha Fields, em 2014. Ele é, até hoje, o brasileiro com a mais alta honraria internacional da matemática; outros brasileiros receberam prêmios internacionais relevantes, mas nenhum alcançou o mesmo nível de reconhecimento global.

Artur Ávila: o destaque máximo

Nascido no Rio de Janeiro em 1979, Artur Ávila é pesquisador do IMPA e diretor de pesquisa do CNRS, na França. Em 13 de agosto de 2014, aos 35 anos, recebeu a Medalha Fields durante o Congresso Internacional de Matemáticos, em Seul, por suas contribuições profundas à teoria dos sistemas dinâmicos.

Ávila foi o mais jovem dos quatro premiados daquele ano, ao lado de Martin Hairer, Manjul Bhargava e Maryam Mirzakhani. Seu trabalho inclui resultados decisivos sobre sistemas dinâmicos, teoria espectral e operadores de Schrödinger, com aplicações importantes para a compreensão matemática de fenômenos caóticos e quânticos.

Outros prêmios internacionais de Ávila

Antes e depois da Medalha Fields, Ávila acumulou diversas distinções internacionais, entre elas:

• Salem Prize (2006), por trabalhos em análise e sistemas dinâmicos.
• Prêmio da Sociedade Matemática Europeia (2008).
• Grand Prix Jacques Herbrand, da Academia de Ciências da França (2009).
• Michael Brin Prize in Dynamical Systems (2011).
• Prêmio TWAS de Matemática (2013).
• TWAS-Lenovo Science Prize (2015), um dos principais reconhecimentos para cientistas de países em desenvolvimento.
• Eleição como membro estrangeiro da National Academy of Sciences dos Estados Unidos, em 2019.

Outros brasileiros com reconhecimento internacional

Além de Ávila, vários matemáticos brasileiros receberam prêmios ou honrarias internacionais, sobretudo ligados ao IMPA e à escola brasileira de sistemas dinâmicos. Entre os mais relevantes estão:

• Jacob Palis — referência mundial em sistemas dinâmicos e ex-presidente da União Matemática Internacional (IMU); recebeu importantes homenagens internacionais e teve papel central na consolidação do IMPA.
• Welington de Melo — pesquisador do IMPA, reconhecido internacionalmente por contribuições fundamentais em sistemas dinâmicos unidimensionais; foi orientador de doutorado de Artur Ávila.
• Marcelo Viana — matemático do IMPA, especialista em sistemas dinâmicos; recebeu prêmios e distinções internacionais e foi presidente da União Matemática Internacional entre 2019 e 2022.
• Carlos Gustavo Moreira — pesquisador do IMPA, reconhecido por trabalhos em teoria dos números, fractais e sistemas dinâmicos; recebeu prêmios internacionais e foi palestrante convidado no Congresso Internacional de Matemáticos.
• Fernando Codá Marques — nascido em Belo Horizonte e formado no IMPA, é referência mundial em geometria diferencial; recebeu prêmios internacionais de alto prestígio, incluindo o Prêmio Oswald Veblen de Geometria, da American Mathematical Society.

Observação importante

Nem todo reconhecimento internacional equivale à Medalha Fields, ao Prêmio Abel ou ao Prêmio Wolf. Palestras plenárias no Congresso Internacional de Matemáticos, prêmios de sociedades estrangeiras, eleições para academias científicas e prêmios de pesquisa também são indicadores fortes de prestígio, mas pertencem a categorias diferentes.

Em síntese: Artur Ávila é o único brasileiro a receber a Medalha Fields, o prêmio mais prestigiado da matemática mundial. Ele também recebeu o TWAS-Lenovo Science Prize e várias outras honrarias internacionais, consolidando-se como o matemático brasileiro mais premiado no cenário global.

Devemos usar quantas casas decimais para constantes em problemas de engenharia?

Não existe um número único de casas decimais que seja adequado para todos os cálculos. A quantidade necessária depende da precisão dos dados de entrada, do método de cálculo e da precisão desejada para o resultado.

Regra prática para cálculos de engenharia

Como regra geral, recomenda-se:

• usar pelo menos 6 casas decimais para constantes matemáticas, como π e e, em cálculos comuns;
• usar de 6 a 10 algarismos significativos em cálculos mais sensíveis ou em simulações numéricas;
• manter mais precisão internamente no software ou na calculadora e arredondar apenas o resultado final;
• expressar o resultado final com uma quantidade de algarismos compatível com a precisão dos dados de entrada.

Exemplos

Constante	Valor recomendado para uso manual	Observação
π	3,14159265	É uma constante matemática exata; o valor deve ser arredondado apenas para o cálculo.
e	2,71828183	Também é uma constante matemática exata.
g	9,81 m/s² ou 9,80665 m/s²	Depende do nível de precisão, da definição adotada e até da localização geográfica.
Velocidade da luz, c	299.792.458 m/s	Esse valor é exato no Sistema Internacional de Unidades.

Recomendação mais importante

Em cálculos realizados por computador, não é necessário substituir uma constante por uma versão curta, como π = 3,14. É preferível utilizar o valor armazenado pela calculadora, pela planilha ou pelo programa. Assim, evita-se o acúmulo de erros de arredondamento.

Por exemplo, use:

PI(), Math.PI ou o símbolo matemático π, quando disponível, em vez de utilizar apenas 3,14.

Para a maioria dos cálculos de engenharia, uma boa orientação é trabalhar com 6 a 8 casas decimais ou, de forma mais rigorosa, com 6 a 10 algarismos significativos, sem arredondar os valores intermediários.

Conclusão

Para cálculos gerais de engenharia, use pelo menos 6 casas decimais para constantes como π e e. Em cálculos computacionais, mantenha a precisão máxima disponível e faça o arredondamento somente no resultado final. Entretanto, a precisão final nunca deve ser maior do que a precisão justificada pelos dados, pelas medições e pelo modelo utilizado.

---

Nota de transparência: esta resposta apresenta uma regra prática geral. O número adequado de casas decimais pode variar conforme a norma técnica, a tolerância do projeto, a análise de incerteza, o tipo de constante e a sensibilidade do cálculo. Para projetos críticos, devem ser seguidas as normas e especificações técnicas aplicáveis.

Xadrez: uma miniatura

Minha vitória de negras logo depois da abertura e de um erro do adversário.

 

[Event "Live Chess"]
[Site "Chess.com"]
[Date "2026.11.01"]
[White "xenoooooooon"]
[Black "FranciscoAquino1970"]
[Result "0-1"]
[ECO "C48"]
[ECOUrl "https://www.chess.com/openings/Four-Knights-Game-Spanish-Variation"]
[WhiteElo "1244"]
[BlackElo "1240"]
[TimeControl "120+1"]
[Termination "Francisco Aquino won by checkmate"]
[StartTime "21:16:33"]
[EndDate "2026.11.01"]
[EndTime "21:16:33"]
[Link "https://www.chess.com/analysis/game/live/186363231740/review?move=29"]
[WhiteUrl "https://images.chesscomfiles.com/uploads/v1/user/258251469.38559474.50x50o.ac1e06b944ef.jpg"]

1. e4 e5 2. Nf3 Nc6 3. Bb5 Nf6 4. Nc3 Be7 5. Bxc6 dxc6 6. Nxe5 Nxe4 7. Nxe4
Qd4 8. Nxc6 Qxe4+ 9. Qe2 Qxc6 10. d3 Qe6 11. Be3 Bd7 12. O-O O-O 13. Qf3 Bc6
14. Qg3 Qg6 15. Qxc7 Qxg2# 0-1

Uma prova de que π é irracional

Um número é chamado de irracional quando não pode ser escrito como uma fração de dois números inteiros. Em outras palavras, um número \(r\) é racional se existem inteiros \(a\) e \(b\), com \(b \neq 0\), tais que

\[ r = \frac{a}{b}. \]

Vamos provar que o número \(\pi\) não pode ser representado dessa forma. A demonstração será feita por contradição.

1. Suposição inicial

Suponha, por absurdo, que \(\pi\) seja racional. Então existem inteiros positivos \(a\) e \(b\) tais que

\[ \pi = \frac{a}{b}. \]

Escolha um número inteiro positivo \(n\), que será escolhido suficientemente grande ao final da demonstração.

2. Definição da função auxiliar

Considere a função

\[ f(x) = \frac{b^n}{n!}\,x^n(\pi-x)^n, \qquad 0 \leq x \leq \pi. \]

Como \(0 < x < \pi\), temos \(x^n > 0\) e \((\pi-x)^n > 0\). Portanto,

\[ f(x) > 0 \qquad \text{para } 0 < x < \pi. \]

Além disso, \(\sin(x)>0\) no intervalo $0 < x < \pi $. Assim, o produto \(f(x)\sin(x)\) também é positivo nesse intervalo.

3. Derivadas inteiras nos extremos

Como estamos supondo que \(\pi=a/b\), podemos expandir a função \(f(x)\) da seguinte maneira:

\[ \begin{aligned} f(x) &= \frac{b^n}{n!}x^n(\pi-x)^n \\[4pt] &= \frac{b^n}{n!} \sum_{k=0}^{n} (-1)^k \binom{n}{k} \pi^{\,n-k}x^{n+k}. \end{aligned} \]

Substituindo \(\pi=a/b\), obtemos

\[ \begin{aligned} b^n\pi^{\,n-k} & = b^n\left(\frac{a}{b}\right)^{n-k} \\ & = a^{n-k}b^k. \end{aligned} \]

Portanto,

\[ f(x) = \frac{1}{n!} \sum_{k=0}^{n} (-1)^k \binom{n}{k} a^{\,n-k}b^k x^{n+k}. \]

Todas as derivadas de \(f\) no ponto \(x=0\) são inteiras. De fato, o coeficiente da potência \(x^{n+k}\), quando multiplicado pela derivada correspondente, resulta em

\[ \frac{1}{n!} \binom{n}{k} a^{\,n-k}b^k \frac{(n+k)!}{1} = \binom{n}{k} a^{\,n-k}b^k \frac{(n+k)!}{n!}, \]

que é um número inteiro.

Além disso, como

\[ f(\pi-x)=f(x), \]

as derivadas de \(f\) em \(x=\pi\) também são inteiras.

4. Construção de uma nova função

Defina

\[ F(x) = f(x)-f''(x)+f^{(4)}(x)-f^{(6)}(x)+\cdots +(-1)^n f^{(2n)}(x). \]

A função \(f(x)\) é um polinômio de grau \(2n\). Portanto, \(f^{(2n+2)}(x)=0\). Ao calcular \(F''(x)+F(x)\), os termos intermediários se cancelam:

\[ F''(x)+F(x)=f(x). \]

Como as derivadas de \(f\) nos pontos \(0\) e \(\pi\) são inteiras, concluímos que

\[ F(0) \quad\text{e}\quad F(\pi) \]

são números inteiros.

5. Definição da integral

Considere a integral

\[ I=\int_0^\pi f(x)\sin(x)\,dx. \]

Como \(f(x)>0\) e \(\sin(x)>0\) no intervalo \(0

\[ I>0. \]

Usando a relação \(f(x)=F''(x)+F(x)\), podemos escrever

\[ I = \int_0^\pi \left(F''(x)+F(x)\right)\sin(x)\,dx. \]

Aplicando integração por partes, os termos envolvendo a integral de \(F(x)\sin(x)\) se cancelam, resultando em

\[ I= \left[ F'(x)\sin(x)-F(x)\cos(x) \right]_0^\pi. \]

Como \(\sin(0)=\sin(\pi)=0\), \(\cos(0)=1\) e \(\cos(\pi)=-1\), segue que

\[ \begin{aligned} I &= F(0)+F(\pi). \end{aligned} \]

Como \(F(0)\) e \(F(\pi)\) são inteiros, concluímos que \(I\) é um número inteiro. Como já sabemos que \(I>0\), temos

\[ I\geq 1. \]

6. Mostrando que a integral é menor que 1

Para \(0\leq x\leq\pi\), vale a desigualdade

\[ x(\pi-x)\leq \frac{\pi^2}{4}. \]

Portanto,

\[ \begin{aligned} 0 < f(x) & = \frac{b^n}{n!}\left[x(\pi-x)\right]^n \\ & \leq \frac{b^n}{n!}\left(\frac{\pi^2}{4}\right)^n \end{aligned} \]

Como $0 < \sin(x) \leq 1$, obtemos

\[ \begin{aligned} 0 < I &= \int_0^\pi f(x)\sin(x) dx \\ &\leq \int_0^\pi f(x) dx \\ &\leq \pi \frac{b^n}{n!}\left(\frac{\pi^2}{4}\right)^n \end{aligned} \]

Assim,

\[ 0 < I \leq \pi\frac{1}{n!}\left(\frac{b\pi^2}{4}\right)^n. \]

O número \(b\pi^2/4\) é uma constante fixa. Entretanto, o fatorial \(n!\) cresce mais rapidamente que qualquer potência fixa. Portanto, escolhendo \(n\) suficientemente grande, teremos

\[ \pi\frac{1}{n!}\left(\frac{b\pi^2}{4}\right)^n<1. \]

Consequentemente,

\[ 0 < I < 1 \]

7. Contradição

Encontramos duas conclusões contraditórias:

\[ I \geq 1 \text{ e } 0 < I < 1. \]

Isso é impossível. A contradição surgiu porque supusemos que \(\pi=a/b\), isto é, que \(\pi\) fosse racional.

Portanto, a suposição inicial é falsa. Concluímos que

\[ \boxed{\pi\text{ é irracional}.} \]

Observação: esta demonstração é uma versão do argumento clássico associado a Ivan Niven. A ideia central é construir uma integral que, simultaneamente, precisa ser um inteiro positivo e estar estritamente entre \(0\) e \(1\), o que é impossível.

IA: uma bolha prestes a estourar?!

A inteligência artificial deixou de ser vista apenas como motor de crescimento das grandes empresas de tecnologia e passou a ser também uma fonte de preocupação financeira. O motivo central é o descompasso entre investimentos bilionários em infraestrutura e a incerteza sobre quando — e se — esses gastos produzirão receitas e lucros proporcionais.

Resumo da notícia

Na quinta-feira, 29 de outubro de 2026, as ações da Alphabet, controladora do Google, caíram 12,64%, sua maior queda diária desde a abertura de capital, em 2004. A desvalorização retirou cerca de US\$ 493,9 bilhões do valor de mercado da empresa em um único pregão.

O movimento se estendeu a outras gigantes do setor. Amazon, Meta, Microsoft e Alphabet perderam, juntas, quase US\$ 900 bilhões em valor de mercado após a divulgação dos resultados do terceiro trimestre. No dia seguinte, o Nasdaq recuou 2,9%, o S&P 500 caiu 1,8% e o Dow Jones perdeu 1,1%.

A pressão também alcançou fabricantes de chips: a Nvidia caiu 4,2%, a AMD perdeu 10,9% e o índice de semicondutores recuou 7,2%. A Intel teve queda de 28,6%, embora seu caso envolva também problemas próprios, como fraqueza no mercado de computadores pessoais, dificuldades de fabricação e altos investimentos em capacidade produtiva.

O que preocupa os investidores

Amazon, Meta, Microsoft e Alphabet elevaram seus investimentos em infraestrutura de US\$ 113 bilhões para US\$ 207 bilhões em um ano. A previsão é de mais US\$ 232 bilhões no trimestre seguinte, e os gastos de capital das quatro empresas podem chegar a US\$ 740 bilhões em 2026.

Esses recursos são destinados principalmente a:

• Construção e expansão de centros de dados.
• Compra de chips e equipamentos de alto desempenho.
• Treinamento e operação de modelos de inteligência artificial.
• Ampliação da capacidade de computação em nuvem.

O problema é que esses investimentos levam tempo para gerar retorno. Os investidores passaram a questionar se a demanda por serviços de IA crescerá o suficiente para pagar data centers, chips, energia, manutenção e o alto custo de desenvolvimento dos modelos.

O sinal mais alarmante

Nos primeiros nove meses de 2026, Microsoft, Alphabet, Amazon, Meta e Oracle investiram juntas US\$ 556,9 bilhões — mais do que os US\$ 542,9 bilhões gerados por suas operações no mesmo período. Como resultado, o grupo passou de um fluxo de caixa livre positivo de US\$ 143,5 bilhões em 2025 para um resultado negativo de US\$ 14 bilhões em 2026.

Em termos simples, as empresas estão gastando mais do que conseguem gerar depois de cobrir despesas e investimentos. Para sustentar a expansão, algumas passaram a recorrer à emissão de dívidas e à possibilidade de emissão de novas ações. A Microsoft, por exemplo, levantou US\$ 25 bilhões em títulos de dívida.

A “bolha da IA”

A queda reacendeu o debate sobre uma possível bolha de IA. A expressão não significa necessariamente que a tecnologia seja inútil ou que desaparecerá; significa que os preços das ações podem estar incorporando expectativas de lucros futuros muito altas, talvez irreais ou prematuras.

Há um paralelo histórico com a bolha das pontocom, no fim dos anos 1990. Naquela época, a internet era uma tecnologia genuinamente transformadora, mas muitas empresas foram avaliadas como se já tivessem lucros futuros garantidos. Quando os investidores passaram a exigir resultados concretos, os preços das ações caíram drasticamente — embora a internet, após a correção, tenha continuado a transformar a economia.

O mesmo raciocínio pode se aplicar à IA: a tecnologia pode ser revolucionária e, ainda assim, o mercado pode ter precificado demais certas empresas, produtos ou promessas. O risco não está apenas na IA, mas na discrepância entre potencial tecnológico e valor financeiro atribuído hoje às empresas.

Leitura crítica

A notícia sugere três cenários possíveis:

*** Cenário ***	O que significaria
Correção saudável	As ações caem, mas empresas com receita real, clientes e produtos maduros continuam a lucrar com IA. A bolha se desfaz parcialmente, sem comprometer a tecnologia.
Bolha setorial	Investimentos excessivos em data centers, chips e startups geram perdas concentradas, falências e revisão brusca de valorizações, mesmo que a IA continue avançando.
Consolidação	Poucas empresas com capital, infraestrutura e demanda consolidada dominam o mercado, enquanto concorrentes menores e projetos sem retorno são eliminados.

O ponto central é que a IA pode ser uma revolução tecnológica real e, simultaneamente, um ativo financeiro sobrevalorizado. Essas duas coisas não se excluem. A bolha, se existir, não estaria necessariamente na inteligência artificial em si, mas na expectativa de que os lucros chegarão rápido, em escala e sem limites.

A reportagem também evita o alarmismo absoluto: o problema, segundo analistas citados, não é concluir que “a IA é uma bolha”, mas avaliar o ritmo dos investimentos e a capacidade das empresas de transformar esse capital em resultados econômicos efetivos.

---

Nota de transparência: esta publicação contou com apoio de inteligência artificial generativa (Perplexity) na leitura, organização, redação e formatação do resumo. A seleção do tema, a revisão final e a responsabilidade pela publicação são do autor do blog.