1
Fundamentos da Diferenciação Numérica
MATH007Lesson 4
00:00
A diferenciação numérica marca a transição de alto risco da suavidade infinita do cálculo para o mundo discreto e finito da computação digital. Trocamos o limite infinitesimal por um tamanho de passo mensurável $h$. Embora a derivada teórica de $f$ em $x_0$ seja definida como $$f'(x_0) = \lim_{h \to 0} \frac{f(x_0 + h) - f(x_0)}{h}$$, os sistemas computacionais não conseguem calcular um limite diretamente. Em vez disso, usamos fórmulas de diferença finita, incorrendo em uma penalidade mensurável conhecida como erro de truncamento.

1. A Geometria da Derivada

Para aproximar $f'(x_0)$, olhamos para pontos vizinhos. Dependendo da nossa escolha de direção, derivamos duas fórmulas principais:

  • Fórmula da diferença forward: Usado se $h > 0$. Olha para frente até $x_0 + h$.
  • Fórmula da diferença backward: Usado se $h < 0$. Olha para trás até $x_0 + h$ (onde $h$ é negativo).

No engenharia prática, como no cálculo do comprimento de arco de uma trajetória curva, muitas vezes dependemos dessas aproximações: $$L = \int_{0}^{48} \sqrt{1 + (f'(x))^2} dx = \int_{0}^{48} \sqrt{1 + (\cos x)^2} dx$$ Se $f(x)$ for conhecida apenas em pontos discretos de sensores, a diferenciação numérica é o único caminho possível.

2. Derivação Matemática por Interpolação

Para aproximar $f'(x_0)$, suponha inicialmente que $x_0 \in (a, b)$, onde $f \in C^2[a, b]$, e que $x_1 = x_0 + h$. Construímos o primeiro polinômio de Lagrange $P_{0,1}(x)$ determinado por $x_0$ e $x_1$:

Passo 1: Construção do Interpolante
$f(x) = P_{0,1}(x) + \frac{(x - x_0)(x - x_1)}{2!} f''(\xi(x))$
Passo 2: Diferenciação
Diferenciando ambos os lados e avaliando em $x = x_0$ resulta na relação fundamental: $$f'(x_0) = \frac{f(x_0 + h) - f(x_0)}{h} - \frac{h}{2} f''(\xi)$$

3. O Termo de Erro e a Convergência

O termo $-\frac{h}{2} f''(\xi)$ é nosso erro de truncamento. Esta fórmula demonstra que a precisão é $O(h)$, significando que, se você reduzir pela metade o tamanho do passo $h$, você reduz aproximadamente pela metade o erro. No entanto, devemos ter cuidado: embora um valor menor de $h$ reduza o erro de truncamento, ele eventualmente aumenta erro de arredondamento devido à subtração de números quase idênticos no numerador.

🎯 Princípio Fundamental: A Diferença Finita
A diferenciação numérica substitui o limite por uma corda finita. A qualidade da nossa aproximação depende estritamente do tamanho do passo $h$ e da suavidade (segunda derivada) da função.
$f'(x_0) \approx \frac{f(x_0+h) - f(x_0)}{h}$ com limite de erro $\frac{h}{2} \max|f''(\xi)|$