Matemática avançada – Tópico 1

1 - FUNÇÕES DO 1º GRAU
Exercício 1:
Situação-Problema: Você é um consultor financeiro e precisa ajudar uma empresa a entender
seu crescimento de receita. A empresa estima que sua receita esteja aumentando linearmente a
uma taxa de 1000 dólares por mês. A receita atual é de 5.000 dólares. Qual será a receita da
empresa em 6 meses?

Legenda:
Eu;
Crescimento de receita = taxa de $ 1000,00;
Receita atual é de $ 5.000,00.

Passo a Passo:
1. Identificar a taxa de crescimento (eu) e o valor inicial (b).
eu=1000 eb=5.000
2. Usar a fórmula do 1º Grau ¿=mx+b para encontrar a receita futura
¿=1000 ×6+5.000=11.000
A receita da empresa em 6 meses será de 11.000 dólares.

Solução2
1. Identificar a taxa de crescimento (m) e o valor inicial (b).
m=1000 dólares/mês (taxa de crescimento)
b=5000 dólares (valor inicial, ou receita atual)
2. Usar a fórmula da função do 1º grau para encontrar a receita futura.
A função do 1º grau (ou função linear) tem a forma:
y=mx+b
Onde:
 y é o valor que queremos encontrar (receita futura em 6 meses).
 m é a taxa de crescimento (1000 dólares por mês).
 x é o número de meses no futuro que queremos prever (6 meses).
 b é o valor inicial (5000 dólares).
3. Substituir os valores conhecidos na fórmula.

y=1000⋅6+5000
y=6000+5000
y=11000 dólares
Exercício 2:
Situação-Problema: Você quer criar uma horta e comprar terra para enchê-la. Um saco de 25 kg

comprar x kg de terra
de terra custa R$50. Determine a função de 1º grau que relaciona o custo C (x) em reais para

Passo a passo:

1. Identificar os pontos da função, sabendo que x=25 , C (x)=50.

2. Utilizar a fórmula do 1ºgrau f (x)=ax +b
3. Substituir o ponto (x ,C (x )) na equação e resolver para encontrar a e
b.
50=25 a+bb=50−25 a
4. Identificar a inclinação a
O preço por kg é
50
=2
25
Portanto, a=2

5. Substituir a para encontrar b

b=50−25× 2b=50−50=0
6. Resultado final C (x)=2 x

Solução 2
1. Identificar os pontos da função.
Sabemos que quando x=25, C(x)=50.
2. Utilizar a fórmula do 1º grau C(x)=ax+b.
Onde:
 C(x) é o custo em reais para comprar x kg de terra.
 a é o coeficiente angular da função (inclinação), que representa o custo por kg de terra.
 b é o coeficiente linear da função (intercepto), que representa o valor fixo ou inicial
quando não há terra comprada.
3. Substituir o ponto (25 , 50) na equação para encontrar a e b.
50=25a+b
Como mencionou, sabemos que o preço por kg é 50/25 = 2, então: = 2a = 2
4. Agora, vamos resolver para encontrar b:
Substituímos o valor de a:

b=50−25⋅2
b=50−50
b=0
5. Resultado Final:
Portanto, a função que relaciona o custo C(x) em reais para comprar x kg de terra é: C(x)=2x
2 – FUNÇÃO DE 2º GRAU
Exercício 1:
Situação-Problema:
Uma empresa de engenharia está projetando uma ponte parabólica. A seção transversal da ponte
pode ser modelada pela função h=−x 2+100 , onde h é a altura em metros e x é a distância
horizontal do centro da ponte, também em metrôs. Qual será a altura máxima da ponte?
Passo a Passo:
1. Identificar a descoberta da parábola
2
h=−x +100
2. Tipo de parábola: Observe que é uma parábola invertida, então o ponto de máximo será
o vértice da parábola.
3. Encontrar as coordenadas do vértice da parábola. Para uma parábola dada pela equação
2
h=ax +bx +c , as coordenadas do vértice (xv ​, hv ​) são dadas pelas fórmulas:
xv ​=−b/2 a
2
hv ​=c−b /4 a
Resolução:

1. A equação é h=−x 2+100 , portanto, a=−1, b=0, e c=100

2. Utilizando as fórmulas para encontrar as coordenadas do vértice:
2
0
xv ​=−2(−1)/0=0 hv ​=100− =100
4 (−1 )
3. Portanto, o vértice da parábola é (0,100) e a altura máxima da ponte será de 100 metros.

Exercício 2:
Situação problema: Uma pedra é lançada verticalmente para cima com uma velocidade inicial
de 20 m/s a partir do solo. A altura h(t) da pedra em função do tempo t é dada por

h ( t )=−5 t 2+20 t .
Determine a altura da pedra aos 2 segundos.
Passo a Passo

Passo 1: Substituir t=2 na função h(t).

h(2)=−5⋅ 22+ 20⋅ 2h (2)=−5 ⋅22+ 20⋅ 2h(2)=−5⋅ 4+ 40 h(2)=−5 ⋅ 4+ 40

h(2)=−20+40 h (2)=−20+ 40h(2)=20 h(2)=20

Resposta: A altura da pedra aos 2 segundos é de 20 metros.

3 - AJUSTE DE REGRESSÃO LINEAR PELO MÉTODO DOS MÍNIMOS
QUADRADOS
Exercício 1:
Situação-Problema: Suponha que você tenha coletado os seguintes dados de vendas (em
unidades) de um produto durante 5 dias consecutivos:

Dias - X Unidades - Y
1 10
2 12
3 14
4 16
5 18
Use o Método dos Mínimos Quadrados para encontrar a equação da linha que melhor se ajusta a
esses dados.
Passo a Passo:
1. Organize os dados
1.1 {(1 ,10),(2 , 12),(3 , 14),(4 , 16),(5 ,18)}

2. Calcular as médias x̅ e y
2.1 Para x̅ :

1+2+3+ 4+5 15
x̅ = = =3
5 5

2.2 Para y̅ :

10+12+14 +16+18 70
y= = =14
5 5

3. Calcular o coeficiente angular b 1 – Comentar mais estes pontos.

3.1 Fórmula:
2
b 1=(Σ(x−x ̅ )( y− y ̅ ))/(Σ( x−x ̅ ) )
3.2 Portanto:
( 1−3 ) (10−14 )+ ( 2−3 ) ( 12−14 ) + ( 3−3 )( 14−14 ) + ( 4−3 ) ( 16−14 ) + ( 5−3 ) ( 18−14 )
b 1=
( 1−3 )2 + ( 2−3 )2+ ( 3−3 )2 + ( 4−3 )2 + ( 5−3 )2

−2 ×−4+ (−1 ) ×−2+0 × 0+1× 2+2× 4

b 1=
4+1+ 0+1+4

8+ 2+0+2+8 20
b 1= = =2
10 10

4. Calcular o coeficiente angular b 0

4.1 Formula:
b 0= y−b1 xb 0=14−2 ×3b 0=14−6=8
5. Escrever a equação da linha de melhor ajuste - Comentar mais estes pontos.
5.1 Agora que temos b 0 e b 1, podemos escrever a equação da linha de melhor ajuste:
y=2 x +8

Exercício 2:
Situação-Problema: Você coletou dados de temperatura e número de sorvetes vendidos em um
determinado mês. Os dados são: (T , N )={(20 , 40),(22 , 42),(25 , 45),(27 , 50),(29 , 55)}.
Utilize o método dos mínimos quadrados para encontrar a equação da linha de melhor ajuste
para prever as vendas futuras.
Passo a passo:
1. Calcular as médias xˉ e yˉ .

xˉ =520+22+25+27+29 xˉ =5123xˉ =24.6

yˉ ​=540+ 42+ 45+50+55 yˉ ​=5232 yˉ ​=46.4

2. Calcular b 1 usando a fórmula:

2
b 1 ​= Σ( x−xˉ )( y− yˉ ​) ​/( Σ( x−xˉ ) )
((20−24.6)(40−46.4 )+(22−24.6)(42−46.4)+(25−24.6)(45−46.4)+(27−24.6)(50−46.4 )+(2
b 1=
(20−24.6)2+(22−24.6)2 +(25−24.6)2 +(27−24.6)2 +(29−24.6)2
−4.6 ×−6.4 ± 2.6 ×−4.4 +0.4 ×−1.4 +2.4 × 3.6+4.4 ×8.6
b 1= 2 2 2 2 2
4.6 + 2.6 +0.4 +2.4 +4.4
29.44 +11.44±0.56+ 8.64+37.84 86.8
b 1= b 1= =1.632
21.16+6.76+ 0.16+5.76+19.36 53.2

3. Calcular b 0 usando a fórmula:

b 0= y−b 1 xb 0=46.4−1.632 ×24.6b 0=46.4−40.0992=6.3008

Resposta: A equação da linha de melhor ajuste é N=1.632 T +6.301 .

4 – APLICAÇÕES
Exercício 1
Situação problema: Uma empresa possui um histórico de vendas dos últimos 5 meses da
seguinte forma (mês, vendas em milhares): (1 , 50) ,(2 , 55), (3 ,53),(4 , 59), ¿). Use o método
dos mínimos quadrados para prever as vendas do 6º mês.
Passo a passo:
1. Calcule a média de x e y :
1+2+3+4 +5 15 50+55+53+ 59+63 280
x= = =3 y= = =56
5 5 5 5

2. Calcule os coeficientes a e b da linha y=ax+ b

n

∑ ( x i−x )( y i− y )
a= i−1 n

∑ ( xi −x ) 2
i−1
( 1−3 ) ( 50−56 )+ ( 2−3 ) ( 55−56 ) + ( 3−3 )( 53−56 ) + ( 4−3 )( 59−56 ) + ( 5−3 ) ( 63−56 )
a=
( 1−3 )2+ ( 2−3 )2 + ( 3−3 )2 + ( 4−3 )2+ ( 5−3 )2
−2(−6)+(−1)(−1)+0(−3)+1(3)+2(7) 30
a= = =3
4 +1+0+1+ 4 10
Agora para b :

b= y−a x =56−3 × 3=56−9=47

3. Assim, a equação da linha de melhor ajuste é:
y=3 x + 47
4. Finalmente, substituímos x=6 na equação da linha para encontrar o valor de y que será
nossa previsão para o 6º mês:
y=3 × 6+ 47=18+ 47=65
Resultado: Portanto, a previsão das vendas para o 6º mês é de USD 65 mil

Exercício 2
Situação problema: Você é um meteorologista e coletou dados sobre as temperaturas médias
durante a semana em uma cidade. Os dados, em relação ao dia da semana e temperatura em
graus Celsius, são:

( Dia , Temperatura )=( 1 , 20 ) , ( 2, 21 ) , ( 3 ,23 ) , ( 4 , 26 ) , (5 , 30 ) , ( 6 , 35 ) , (7 , 40 ) .

Sabendo-se que após a média deste período, qual será a temperatura no 8º. dia?
Passo a passo:
1. Calcule a média de x e y :
 1+2+3+4 +5+6+ 7 28 20+21+23+ 26+30+35+ 40 195
x= = =4 y= = ≅ 27.86
7 7 7 7

2. Calcule os coeficientes a e b da linha y=ax+ b

n

∑ ( x i−x )( y i− y )
a= i−1 n

∑ ( xi −x ) 2
i−1
( 1−4 ) ( 20−27.86 )+ ( 2−4 ) ( 21−27.86 )+ ( 3−4 ) ( 23−27.86 ) + ( 4−4 ) ( 26−27.86 ) + ( 5−4 )( 30−27.86
a=
( 1−4 )2+ ( 2−4 )2 + (3−4 )2 + ( 4−4 )2 + ( 5−4 )2+ ( 6−4 )2+ ( 7−4
23.58+13.72+4.86+ 0+2.14+14.28+ 36.42 94
a= = ≅ 3.36
9+ 4+1+ 0+1+4 +9 28

Agora para b :

b= y−a x =27.86−3.36 × 4=27.86−13.44=14.42

3. Assim, a equação da linha de melhor ajuste é:
y=3.36 x +14.42
4. Finalmente, substituímos x=8 na equação da linha para encontrar o valor de y que será
nossa previsão para o 6º dia:
y=3.3 × 8+14.66=26.4+14.66=41.06
Resultado: Portanto, a previsão da temperatura média para o 8º dia é de aproximadamente 41.06
graus Celsius.
4 - AJUSTE DE REGRESSÃO QUADRÁTICA PELO MÉTODO DOS MÍNIMOS
QUADRADOS
Exercício 1:
Situação-Problema: Suponha que você é um educador e tem dados sobre a relação entre o
número de horas que os alunos estudaram para um exame e suas notas finais. Os dados são:
(Horas, Notas) = (1, 2), (2, 4), (3, 9), (4, 16), (5, 25) e (x,y). Use o Método dos Mínimos
Quadrados para ajustar uma regressão quadrática e prever a nota de um aluno que estudou por 6
horas.
Para esse ajuste, usaremos a regressão quadrática, cuja equação tem a forma:
2
y=a x +bx +c
Passo a passo:
1. Coleta dos Dados:
Horas : x=[1 , 2 ,3 , 4 ,5 ]
Notas : y =[2 , 4 , 9 , 16 , 25]

2. Calcule a média de x e y :
1+2+3+4 +5 15 2+ 4+9+16 +25 56
x= = =3 y= = =11.2
5 5 5 5
3. Preparação para os cálculos dos coeficientes:
a ∑ x i + b ∑ x i + c ∑ x i =∑ x i y ia ∑ x i +b ∑ x i +c ∑ xi =¿ ∑ x i y i ¿
4 3 2 2 3 2

a ∑ x i +b ∑ x i +cn=∑ y i
2

4. Calculo dos coeficientes a, b, c:

a. Calculo dos somatórios:
∑ x 4i =14 +2 4 +34 + 4 4 +54 =1+16+81+256+ 625=979
∑ x 3i =13 +23 +3 3+ 43 +5 3=1+8+27+ 64+125=225
∑ x 2i =12 +22 +32 + 42 +52=1+ 4+ 9+16+25=55
∑ x i=1+2+3+ 4+ 5=15
∑ x 2i y i=1 ×2+4 ×4 +9 × 9+16 ×16+25 × 25=2+16+ 81+256+625=980
∑ x i y i=1 ×2+2 ×4 +3 ×9+ 4 × 16+5 ×25=2+8+27+ 64+12=226
∑ yi =2+4 +9+16+ 25=56
n=5

b. Resolvendo o sistema por Cramer:

* O Método de Cramer é uma forma de resolver sistemas de equações lineares

surge da aplicação das condições de derivada nula para minimizar a função 𝑆S

usando determinantes. Para o ajuste quadrático, o sistema linear geralmente

acima. Forma-se então um sistema linear dos coeficientes 𝑎a, 𝑏b, e 𝑐c.
O sistema linear pode ser expresso na forma matricial 𝐴𝑥=𝑏Ax=b, onde 𝐴A é
a matriz dos coeficientes, 𝑥x é o vetor dos coeficientes da parábola (𝑎,𝑏,𝑐)
(a,b,c), e 𝑏b é o vetor de constantes, calculado a partir dos pontos de dados. As
entradas da matriz 𝐴A e do vetor 𝑏b dependem dos valores de 𝑥𝑖xi e 𝑦𝑖yi.
 O Método de Cramer é uma forma de resolver sistemas de equações lineares

surge da aplicação das condições de derivada nula para minimizar a função 𝑆S

usando determinantes. Para o ajuste quadrático, o sistema linear geralmente

acima. Forma-se então um sistema linear dos coeficientes 𝑎a, 𝑏b, e 𝑐c.
O sistema linear pode ser expresso na forma matricial 𝐴𝑥=𝑏Ax=b, onde 𝐴A é
a matriz dos coeficientes, 𝑥x é o vetor dos coeficientes da parábola (𝑎,𝑏,𝑐)
(a,b,c), e 𝑏b é o vetor de constantes, calculado a partir dos pontos de dados. As
entradas da matriz 𝐴A e do vetor 𝑏b dependem dos valores de 𝑥𝑖xi e 𝑦𝑖yi.

1. 979 a+ 225 b+55 c=980

2. 225 a+55 b +15 c=226
3. 55 a+15 b+ 5 c=56

979 225 55
A=225 55 15
55 15 5
O determinante¿ A∨¿ é:

| A|=979 ( 55 ×5−15 ×15 ) −225 ( 225× 5−15 ×55 )+ 55 (225 × 15−55 ×225 )
| A|=979 ( 275−225 )−225 ( 1125−825 )+ 55 (3375−3025 )
| A|=979 (50)−225(300)+55(350)| A|=48950−67500+19250=700
Calcular os determinantes | A a∨¿:
980 225 55
A=226 55 15 =700
56 15 5
Calcular os determinantes | A b∨:
979 980 55
A=225 226 15 =140
55 56 5
Calcular os determinantes ¿ A c∨¿ :
979 225 980
A=225 55 226 =28
55 15 56
Encontrando a , b e c :

a=¿ Aa ∨ ¿ ¿
700
¿ A∨¿= =1 ¿
700

b=¿ Ab ∨ ¿ ¿
140 1
¿ A∨¿= = ¿
700 5
 c=¿ A c ∨ ¿ ¿
28 1
¿ A∨¿= = ¿
700 15
5. Equação de regressão quadrática:
2 1 1
y=x + x +
5 15
6. Previsão para estudar por 6 horas, substituindo x=6 na equação, encontramos:
2 1 1 6 1 18 1 19
y=6 + 6+ =36+ + =36+ + =36+
5 15 5 15 15 15 15
36 ×15 19 540 19 559
y= + = + =
15 15 15 15 15
559
y= ≅ 37 ou 37 horas
15
Exercício 2:
Situação-Problema: Você é um corretor de imóveis e tem os seguintes preços de terrenos (em
milhares de dólares) em relação às áreas (em metros quadrados):

(x , y )=[(50,200),(60,220),(80,250),(100,275),(110,300)]
Use o Método dos Mínimos Quadrados para ajustar uma regressão quadrática e prever o valor
de um terreno com 1000m2
Para esse ajuste, usaremos a regressão quadrática, cuja equação tem a forma:
2
y=a x +bx +c

Passo a passo:
1. Calcular os somatórios necessários.
∑ x =50+60+80+100+ 110=400
∑ y=200+220+250+ 275+300=1245
∑ x 4 =¿ 6250000+12960000+ 40960000+100000000+146410000=319961000 ¿
∑ x 3=125000+ 216000+512000+1000000+1331000=3036000
∑ x 2=2500+ 3600+6400+10000+12100=34600
∑ xy =(50 × 200)+(60 ×220)+(80× 250)+(100 ×275)+(110 ×300)=10000+13200+20000+2750
∑ x 2 y=(502 × 200)+(602 ×220)+(802 × 250)+(1002 ×275)+(1102 × 300)=500000+792000+1600000+ 27
2. Formar e Resolver o Sistema de Equações:
n × a+ ( ∑ x ) × b+¿( ∑ x ) × a+¿¿

i. 5 ×a +400 × b+34600 ×c=1245 ,

a. Substituindo os somatórios que já foram calculados, temos:

ii. 400 × a+34600 × b+3036000 ×c=103700 ,

iii. 34600 × a+3036000 ×b+319961000 × c=9762000.
Desta forma:
5 400 34600
D= 400 34600 3036000
34600 3036000 319961000
Calculando D , obtemos:
2
D=5 ×(34600 ×319961000−3036000 )−400 ×(400× 319961000−34600 × 3036000)+34600 ×(400× 30
D=5 ×(11076540600000−9216000000000)−400 ×(127984400000−105216000000)+34600 ×(1214400
12
D=5 × 1856540600000−400× 22768400000+34600 ×1200016000=4.3233926 × 10
Calculando Da, obtemos:

1245 400 34600

Da= 103700 34600 3036000
9762000 3036000 319961000
 2
Da=1245 ×(34600 ×319961000−3036000 )−400 ×(103700 ×319961000−34600× 9762000)+3
16
Da=1.37371528488 ×10
Calculando Db , obtemos:

5 1245 34600
Db= 400 103700 3036000
34600 9762000 319961000
Db=5 ×(103700 ×319961000−3036000 ×9762000)−1245 ×(400 × 319961000−34600 ×303600
14
Db=−1.33579082155 ×10

Calculando Dc , obtemos:

5 400 1245
Dc= 400 34600 103700
34600 3036000 9762000
Dc=5×(34600 × 9762000−103700 × 3036000)−400 ×(400 × 9762000−34600 × 103700)+1245 ×
12
Dc=1.3822422× 10
Encontrando a , b e c :

a=¿ Da∨ ¿ ¿
16
1.37371528488 ×10
¿ D∨¿= ≈ 0.32 ¿
4.3233926 ×10 12

b=¿ Db∨ ¿ ¿
14
−1.33579082155 ×10
¿ D∨¿= ≈−30.91 ¿
4.3233926 ×10 12

c=¿ D c ∨ ¿ ¿
1.3822422 ×10 12
¿ D∨¿= 12
≈ 0.34 ¿
4.3233926 × 10
3. Equação de regressão quadrática:
2
y=0.32 x −30.91 x+ 0.34
4. Previsão de um terreno com 1000m2, substituindo x=1000 na equação, encontramos:
2
y=0.32× 1000 −30.91 ×1000+0.34=320000−30910+0.34
y=289090+0.34
y=289090.34 ou USD 289,090.34
4 – APLICAÇÕES
Exercício 1
Situação problema: O lucro de uma empresa nos últimos 5 anos foi modelado por uma parábola.
Os dados fornecidos são (ano ,lucro emmilhões)=[(1 ,5),(2 , 8) ,(3 ,12) ,(4 ,14 ), (5 ,13)].
O objetivo é prever o lucro para o 6º ano usando ajuste de regressão quadrática.
Passo a passo:
1. Calcular os somatórios necessários.
∑ x =1+ 2+ 3+4 +5=15
∑ y=5+8+12+14 +13=52
∑ x 4 =¿ 1+16+81+256 +625=979 ¿∑ x 3=1+ 8+27+64 +125=225
∑ x 2=1+ 4+ 9+16+25=55
∑ xy =(1 ×5)+(2× 8)+(3 ×12)+(4 ×14 )+(5 ×13)=5+16 +36+56+ 65=178
∑ x 2 y=(12 ×5)+(22 × 8)+(32 ×12)+(42 ×14)+(52 × 13)=5+32+108+784+ 845=1774
2. Formar e Resolver o Sistema de Equações:
n × a+ ( ∑ x ) × b+¿( ∑ x ) × a+¿¿

i. 5 ×a +15× b+55 × c=52 ,

a. Substituindo os somatórios que já foram calculados, temos:

ii. 15 × a+55 ×b+225 × c=178 ,

iii. 55 × a+225 ×b+ 979× c=1774.
Desta forma:
5 15 55
D=15 55 225
55 225 979
Calculando D , obtemos:

D=5 × ( 54045−50625 )−15 × ( 14685−12375 )+ 55× ( 3375−825 )

D=5 × ( 3420 )−15 × (2310 )+ 55× ( 2550 )=17100−34650+140250 D=109600

Calculando Da, obtemos:

52 15 55
Da= 178 55 225
1774 225 979
Da=52 ×(55× 979−225× 225)−15 ×(178 ×979−55× 1774)+55 ×(178× 225−55 × 1774)
Da=−4353640
Calculando Db , obtemos:

5 52 55
Db=15 178 225
15 1774 979
 Db=5 × (178 × 979−225 × 1774 )−52× (15 × 979−55 × 225 ) +55 × ( 15 ×1774−178 ×55 )
Db=−328560

Calculando Dc , obtemos:

5 15 52
Dc=15 55 178
15 225 1774
Dc=5×(55 × 1774−178 × 225)−15 ×(15× 1774−55× 178)+52 ×(15 ×225−55 ×15)
Dc=167900
Encontrando a , b e c :

a=¿ Da∨ ¿ ¿
−4353640
¿ D∨¿= =−39.75¿
109600

b=¿ Db∨ ¿ ¿
−328560
¿ D∨¿= =−3 ¿
109600

c=¿ D c ∨ ¿ ¿
167900
¿ D∨¿= =1.53 ¿
109600
3. Equação de regressão quadrática:
2
y=−39.75 x −3 x +1.53
4. Previsão do valor para o 6º ano, substituindo x=6 na equação, encontramos:
2
y=−39.75× 6 −3 × 6+1.53=−1431−18+1.53
y=289090+0.34
y ≅−1448.47