Séries de Taylor e Maclaurin: A Magia de Aproximar Funções Complexas com Polinômios

Introdução

Um polinômio de Taylor aproxima uma função perto de um ponto, fazendo coincidir o valor da função e um número finito de derivadas nesse ponto. A soma infinita construída com esses coeficientes é a série de Taylor; quando o centro é zero, ela é chamada de série de Maclaurin. A convergência da série e a igualdade de sua soma com a função original precisam ser verificadas separadamente.

Usando as funções exponencial e trigonométricas como exemplos, explicaremos como determinar os coeficientes, sob quais condições as igualdades são válidas e como limitar o erro de truncamento. Ao final, apresentamos um exemplo didático em Python para aproximar \(\sin x\) perto de zero.

Por que Aproximar Funções com Polinômios?

Para começar, por que é necessário representar uma função como um polinômio ( \(a + bx + cx^2 + \dots\) )?

  flowchart LR
    A["Função analítica perto do centro"] -->|"Expansão de Taylor no intervalo de convergência"| B["Série de potências"]
    B -->|"Truncar em termos finitos"| C["Aproximação polinomial"]
    C -->|"Apenas aritmética básica"| D["Cálculo computacional de alta velocidade"]

Aproximar uma função não linear por um polinômio pode simplificar a avaliação, a derivação e a integração. Depois de fixados os coeficientes, o polinômio pode ser avaliado com adições e multiplicações. O termo de resto e os erros numéricos permitem avaliar onde a aproximação é útil e qual é sua precisão.

Compreensão Intuitiva da Série de Maclaurin

Primeiro, consideremos a expansão de Maclaurin, que aproxima uma função perto de \(x=0\). Suponha que \(f\) tenha as derivadas necessárias perto de zero. Escolhemos um grau finito \(n\) e determinamos os coeficientes do seguinte polinômio \(P_n\):

\[ P_n(x) = c_0 + c_1 x + c_2 x^2 + \dots + c_n x^n \]

Os coeficientes são determinados igualando o valor da função e as derivadas em zero. A condição da segunda derivada abaixo se aplica quando \(n\ge2\).

Condição sobre o valor: \(P_n(0)=f(0)\) fornece \(c_0=f(0)\). O termo constante iguala o valor da função em zero.
Condição sobre a primeira derivada: \(P_n'(0)=f'(0)\) fornece \(c_1=f'(0)\). O polinômio \(P_1(x)=f(0)+f'(0)x\) é a aproximação pela reta tangente em zero.
Condição sobre a segunda derivada: Exigimos \(P_n''(0)=f''(0)\). Como \(P_n''(0)=2c_2\), obtemos \(c_2=f''(0)/2!\). Na presença de termos de grau superior, a derivada completa \(P_n''(x)\) não é, em geral, a constante \(2c_2\).
Condição geral: Para \(k\le n\), impor \(P_n^{(k)}(0)=f^{(k)}(0)\) determina \(c_k=f^{(k)}(0)/k!\). O resto descrito adiante limita o erro perto do centro.

Fórmula e Derivação da Série de Maclaurin

Se \(f\) é infinitamente diferenciável, esses coeficientes definem sua série de Maclaurin. Entretanto, para escrever uma igualdade com \(f(x)\) como as seguintes, a série precisa convergir para \(f(x)\) no ponto considerado. Isso ocorre em uma vizinhança adequada de zero quando \(f\) é analítica ali. Ser infinitamente diferenciável não é suficiente.

\[ f(x) = f(0) + f'(0)x + \frac{f''(0)}{2!}x^2 + \frac{f^{(3)}(0)}{3!}x^3 + \dots \]

Escrito usando a notação sigma, fica assim:

\[ f(x) = \sum_{n=0}^{\infty} \frac{f^{(n)}(0)}{n!} x^n \]

Aqui, \(f^{(n)}(0)\) é o valor obtido ao diferenciar a função \(f(x)\) \(n\) vezes e substituir \(x=0\), e \(n!\) representa o fatorial de \(n\) ( \(n \times (n-1) \times \dots \times 1\) ).

Séries de Maclaurin de Funções Típicas

As séries da exponencial, do seno e do cosseno apresentadas a seguir convergem para as respectivas funções para todo \(x\) real. Os argumentos trigonométricos são medidos em radianos.

1. Função exponencial \(e^x\)

A função exponencial \(f(x)=e^x\) continua sendo \(e^x\) ao ser derivada qualquer número de vezes. Assim, todas as suas derivadas em zero valem \(1\) (\(f^{(n)}(0)=1\)).

\[ e^x = 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \dots = \sum_{n=0}^{\infty} \frac{x^n}{n!} \]

2. Funções trigonométricas \(\sin x\) e \(\cos x\)

Ao derivar \(\sin x\) repetidamente, as derivadas seguem o ciclo \(\cos x, -\sin x, -\cos x, \sin x, \dots\). Em \(x=0\), apenas as derivadas de ordem ímpar são diferentes de zero; as de ordem par valem \(0\).

\[ \sin x = x - \frac{x^3}{3!} + \frac{x^5}{5!} - \frac{x^7}{7!} + \dots = \sum_{n=0}^{\infty} \frac{(-1)^n}{(2n+1)!} x^{2n+1} \]

Da mesma forma, para \(\cos x\), apenas os termos de ordem par permanecem.

\[ \cos x = 1 - \frac{x^2}{2!} + \frac{x^4}{4!} - \frac{x^6}{6!} + \dots = \sum_{n=0}^{\infty} \frac{(-1)^n}{(2n)!} x^{2n} \]

Extensão para a Série de Taylor

Ao mover o centro de zero para \(a\), obtemos a série de Taylor. Se \(f\) é analítica perto de \(a\), a igualdade abaixo vale onde a série representa a função original. Aproximações que pressupõem apenas um número finito de derivadas são tratadas com um polinômio de Taylor finito e seu resto, como veremos adiante.

\[ f(x) = f(a) + f'(a)(x-a) + \frac{f''(a)}{2!}(x-a)^2 + \dots = \sum_{n=0}^{\infty} \frac{f^{(n)}(a)}{n!} (x-a)^n \]

Esta fórmula demonstra seu poder quando você deseja prever o valor de uma função em um local ligeiramente afastado de \(x=a\) ( \(x = a + \Delta x\) ).

Aplicações das Séries de Taylor

Aproximação Linear na Física

Na física, aproximações lineares por polinômios de Taylor são frequentes. Para um pêndulo, medimos o ângulo \(\theta\) em radianos e supomos \(|\theta|\ll1\). Podemos então usar a aproximação de primeiro grau do seno:

\[ \sin \theta \approx \theta \quad (\text{quando } \theta \text{ é suficientemente pequeno}) \]

Essa aproximação lineariza a equação do pêndulo e fornece um período independente da amplitude dentro da aproximação de pequena amplitude. O período real de um pêndulo simples depende da amplitude; a mesma aproximação não pode ser aplicada a oscilações grandes.

Programação e Computação Numérica

A avaliação numérica de funções usa vários métodos, incluindo aproximações polinomiais. O módulo math do CPython é composto principalmente por interfaces para a biblioteca matemática de C da plataforma; os algoritmos dependem dessa implementação. O exemplo didático a seguir soma poucos termos perto de zero, por exemplo para \(|x|\le1\), e não reproduz a implementação interna da biblioteca padrão.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
import math

def approx_sin(x, terms=10):
    """
    Exemplo didático de soma finita de Maclaurin para sin(x) perto de zero
    x: Ângulo em radianos
    terms: Número de termos somados (inteiro positivo; 10 neste exemplo)
    """
    result = 0.0
    for n in range(terms):
        # Calcular cada termo: (-1)^n * x^(2n+1) / (2n+1)!
        sign = (-1) ** n
        numerator = x ** (2 * n + 1)
        denominator = math.factorial(2 * n + 1)
        result += sign * (numerator / denominator)
    return result

# Teste: x = 1.0 radiano (aprox 57.3 graus)
x_val = 1.0
print(f"Valor aproximado: {approx_sin(x_val)}")
print(f"Valor de math.sin (para comparação): {math.sin(x_val)}")

Raio de Convergência e Teorema de Taylor

O raio de convergência \(R\) é um número que indica a distância ao centro \(a\) dentro da qual uma série de potências converge, \(|x-a|<R\); não é o nome do intervalo. Também podem ocorrer \(R=0\) e \(R=\infty\). Os extremos \(|x-a|=R\) precisam ser examinados separadamente. Por exemplo, a série de Maclaurin de \(\ln(1+x)\) tem raio 1 e é igual à função para \(-1<x\le1\) real. Ela converge condicionalmente em \(x=1\) e diverge em \(x=-1\).

Para uma aproximação finita, suponha que \(f\) seja de classe \(C^{n+1}\) no intervalo que liga \(a\) a \(x\). O teorema de Taylor fornece:

\[ f(x)=P_{n,a}(x)+R_n(x),\qquad P_{n,a}(x)=\sum_{k=0}^{n}\frac{f^{(k)}(a)}{k!}(x-a)^k \]\[ R_n(x)=\frac{f^{(n+1)}(\xi)}{(n+1)!}(x-a)^{n+1} \]

Aqui, \(\xi\) está entre \(a\) e \(x\). Se \(|f^{(n+1)}|\le M\) no intervalo, então \(|R_n(x)|\le M|x-a|^{n+1}/(n+1)!\). Para estabelecer a igualdade entre uma função e sua série de Taylor infinita, pode-se verificar que esse resto tende a zero quando \(n\to\infty\).

O código anterior soma 10 termos, até \(x^{19}\). Como o coeficiente de grau 20 do seno é zero, o teorema de Taylor limita o erro de truncamento em \(x=1\) por \(1/21!\), aproximadamente \(1.96\times10^{-20}\). Esse limite se refere à soma finita calculada exatamente nos números reais; o erro de arredondamento das operações de ponto flutuante do Python é separado. A saída de math.sin também é um valor de ponto flutuante para comparação, não o valor matemático exato.

Uma função suave que não é representada por sua série de Taylor

\[ g(x)=\begin{cases}e^{-1/x},&x>0,\\0,&x\le0.\end{cases} \]

Essa função é infinitamente diferenciável e todas as suas derivadas em zero são nulas. Portanto, sua série de Taylor em zero é identicamente zero e converge para todo \(x\). No entanto, para \(x>0\), temos \(g(x)>0\), de modo que a soma da série não coincide com a função original. O exemplo distingue a convergência de uma série da igualdade de sua soma com a função.

Conclusão

Os polinômios de Taylor fornecem aproximações locais, e os termos de resto limitam seus erros. Ao usar uma série de Taylor como igualdade, é preciso verificar o intervalo de convergência e se a soma coincide com a função original. Essas distinções ajudam a determinar a precisão e o campo de aplicação das aproximações na física e na computação numérica.