Série de Maclaurin: fórmula, expansão e exemplos

Algumas funções são complexas demais para trabalhar diretamente — então os matemáticos descobriram como "imitar" essas funções com polinômios.

Essa é a ideia básica por trás de uma série de Maclaurin. Ela representa uma função como uma soma infinita de termos polinomiais, cada um construído a partir das derivadas da função em zero. O resultado é algo com que você consegue calcular, mesmo quando a função original é muito complexa.

Você pode pensar na série de Maclaurin como um caso especial da série de Taylor, só que centrada em zero. Essa restrição deixa a dedução mais simples e a aplicação mais direta.

Neste artigo, vou apresentar a fórmula da série de Maclaurin, passar pelas expansões mais comuns e mostrar como interpretá-las e aplicá-las.

O que é uma série de Maclaurin?

Uma série de Maclaurin representa uma função como uma soma infinita de termos construídos a partir de suas derivadas em zero.

Cada termo é um polinômio — uma potência de x escalada por um valor de derivada. Quando você combina termos suficientes, obtém um polinômio que se comporta como a função original, pelo menos nas proximidades de zero.

Aproximar uma função complexa por um polinômio é a essência da série de Maclaurin. Polinômios são fáceis de calcular, diferenciar e integrar. A maioria das outras funções não é.

Série de Maclaurin vs. série de Taylor

Uma série de Taylor aproxima uma função como um polinômio infinito centrado em qualquer ponto a. Você escolhe o ponto, constrói a série ao redor dele e obtém um polinômio que funciona bem perto desse ponto.

Uma série de Maclaurin é apenas uma série de Taylor em que a = 0. Essa é a única diferença.

Centralizar em zero simplifica a matemática porque os termos polinomiais deixam de ter o deslocamento (x - a) e viram potências simples de x. A maioria das funções padrão com que você lida em cálculo, física e machine learning tem expansões de Maclaurin limpas e bem conhecidas por causa disso.

Comparação entre as séries de Taylor e Maclaurin

Para fechar esta seção: use uma série de Taylor quando precisar aproximar uma função perto de um ponto específico diferente de zero. Use uma série de Maclaurin quando zero for o ponto de partida — o que acontece com frequência.

Fórmula da série de Maclaurin

A fórmula da série de Maclaurin expressa qualquer função f(x) como uma soma infinita:

Fórmula da série de Maclaurin

Expandida, ela fica assim:

Fórmula expandida da série de Maclaurin

Cada termo tem três partes:

• f⁽ⁿ⁾(0) — a n-ésima derivada de f, avaliada em zero. Isso mostra como a função se comporta nesse ponto

• n! — o fatorial de n, que reduz cada termo para que a série se mantenha estável conforme n cresce

• xⁿ — a n-ésima potência de x, que determina até onde cada termo alcança a partir de zero

O primeiro termo f(0) ajusta o polinômio para o valor da função em zero. Cada termo seguinte adiciona uma correção — ajustando a inclinação, a curvatura e assim por diante — até que o polinômio se aproxime da função original o quanto você precisar.

Em resumo: quanto mais termos você inclui, melhor fica a aproximação.

Como funciona a série de Maclaurin

Construir uma série de Maclaurin se resume a uma ação repetida: avaliar derivadas em zero e empilhar os resultados em um polinômio.

Veja o passo a passo.

1. Avalie a função em zero: substitua x = 0 em f(x). Isso dá o primeiro termo — a constante que define o valor inicial do polinômio
2. Calcule as derivadas: compute f'(x), f''(x), f'''(x) e assim por diante. A cada etapa, avalie o resultado em zero. Cada valor diz algo sobre o comportamento da função — sua inclinação, sua curvatura, quão rápido a curvatura muda
3. Monte o polinômio: pegue cada valor de derivada, divida pelo fatorial correspondente e multiplique pela potência correspondente de x

Agora some todos os termos:

Como funciona a série de Maclaurin

Cada termo melhora a aproximação. O primeiro acerta o valor. O segundo, a inclinação. O terceiro, a curvatura. E por aí vai.

Você para quando a aproximação estiver boa o suficiente para o seu objetivo — ou continua para ganhar mais precisão.

Expansões comuns da série de Maclaurin

Algumas funções aparecem com tanta frequência que vale a pena memorizar suas expansões de Maclaurin. Aqui vão as quatro mais comuns.

eˣ

A função exponencial é o caso mais simples — toda derivada de eˣ continua sendo eˣ, o que significa que toda derivada avaliada em zero é igual a 1.

expansão de e^x

Os coeficientes são simplesmente 1/n!. A série converge para todos os valores de x, o que a torna uma das expansões mais úteis na prática.

sin(x)

A função seno gera uma série com apenas potências ímpares de x, e os sinais alternam entre positivo e negativo.

expansão de sin(x)

As derivadas de ordem par de sin(x) em zero são todas nulas, então esses termos somem. O que resta são potências ímpares, fatoriais no denominador e sinais alternados. Assim como em eˣ, esta série converge para todo x.

cos(x)

A expansão do cosseno é o espelho da do seno — só aparecem potências pares de x, com o mesmo padrão de sinais alternados.

expansão de cos(x)

Isso faz sentido, já que cos(x) é a derivada de sin(x), e você pode obter essa série derivando a expansão de sin(x) termo a termo. Os termos com potências ímpares desaparecem pelo mesmo motivo que os termos de potência par somem no seno — as derivadas em zero os anulam. Ela converge para todo x.

1 / (1 − x)

Esta tem o padrão mais simples das quatro: todo coeficiente é 1, sem fatoriais e sem sinais alternados.

expansão de 1/(1-x)

É uma série geométrica, por isso o padrão é tão limpo. Mas, diferente das três funções acima, esta série só converge quando |x| < 1. Se você colocar x fora desse intervalo, os termos crescem indefinidamente em vez de tender a zero.

Por fim, para quem aprende melhor de forma visual, aqui está um gráfico comparando as quatro expansões com múltiplos termos:

Séries de Maclaurin comuns

Aproximando funções com a série de Maclaurin

Uma série de Maclaurin raramente precisa de todos os seus termos infinitos para ser útil. Na prática, você usa uma soma parcial — os primeiros termos — como aproximação.

Quanto mais termos você inclui, mais de perto a soma parcial acompanha a função original. Se você corta em dois termos, obtém um ajuste grosseiro perto de zero. Ao adicionar mais alguns, a aproximação se mantém por uma faixa maior. Cada novo termo corrige o que os anteriores deixaram passar.

Pegue sin(x) como exemplo concreto. A série completa é:

fórmula de aproximação de sin(x)

Vamos aproximar sin(0.3) usando somas parciais e ver como cada uma compara com o valor exato.

• 1 termo: 0.3 — erro de ~0,0045

• 2 termos: 0.3 - (0.3³/6) = 0.2955 — erro de ~0,0000196

• 3 termos: adiciona (0.3⁵/120) = 0.29552 — erro de ~0,0000000239

Três termos já dão seis casas decimais de precisão, o que deve ser suficiente. Na maioria dos casos, você não precisa ir além disso.

A mesma ideia em Python:

import numpy as np
from math import factorial

def maclaurin_sin(x, n_terms):
    return sum(((-1)**n * x**(2*n+1)) / factorial(2*n+1) for n in range(n_terms))

vec_sin = np.vectorize(maclaurin_sin)
x_val = 0.3

print(f"Approximating sin({x_val}):")
print(f"  Exact value : {np.sin(x_val):.10f}")
for n in [1, 2, 3, 4]:
    approx = maclaurin_sin(x_val, n)
    error = abs(np.sin(x_val) - approx)
    print(f"  {n} term(s)   : {approx:.10f}  |  error: {error:.2e}"

Executando, o script imprime os valores das somas parciais e os erros em x = 0.3:

Exemplo em Python de aproximação de Maclaurin para sin(x)

Você também pode ver isso visualmente:

Gráfico da aproximação de Maclaurin para sin(x)

Dá para ver o quanto cada aproximação acompanha a função sin(x).

Convergência da série de Maclaurin

Uma série de Maclaurin nem sempre funciona para todo valor de x. Para algumas funções, a série converge para o valor correto apenas dentro de uma faixa específica ao redor de zero. Fora dessa faixa, as somas parciais crescem sem limite.

Essa faixa é chamada de raio de convergência. Ela indica até onde, a partir de zero, a série permanece confiável.

O comportamento varia conforme a função:

• eˣ, sin(x), cos(x) — convergem para todos os valores de x. Você pode usar qualquer número e a série vai te dar a resposta correta

• 1/(1-x) — só converge quando |x| < 1. Em x = 1 a própria função diverge, e a série reflete isso ao não convergir perto desse ponto

Pense no raio de convergência como um “círculo de confiança” centrado em zero. A série é uma aproximação válida apenas dentro dele.

Você nem sempre precisa calcular o raio de convergência. Para as funções padrão, ele já é conhecido. Mas quando estiver lidando com uma função menos familiar, vale checar a convergência antes de confiar em uma aproximação de Maclaurin.

Por que a série de Maclaurin é importante

As séries de Maclaurin aparecem em trabalhos computacionais reais em matemática, física e machine learning.

Métodos numéricos

Computadores não avaliam a maioria das funções simbolicamente. Eles avaliam polinômios. Quando uma biblioteca calcula sin(x) ou eˣ, muitas vezes usa uma aproximação polinomial — derivada da expansão de Maclaurin ou Taylor da função. A série fornece uma forma que o hardware consegue calcular de verdade, de forma rápida e sem laços infinitos.

Aproximações em física

A física usa séries de Maclaurin sempre que uma solução exata é complexa demais. O exemplo mais comum é a aproximação de ângulo pequeno: para valores pequenos de θ, sin(θ) ≈ θ. Isso é só o primeiro termo da série de Maclaurin de sin(x). Ela simplifica equações de pêndulo, cálculos de ótica e modelos de onda — transformando problemas não lineares em problemas lineares que são de fato solucionáveis.

Machine learning e otimização

Em machine learning, expansões de Taylor e Maclaurin estão por trás de muita coisa com que você lida no dia a dia. O gradiente descendente usa aproximações de primeira ordem da função de perda para decidir a direção do passo. Métodos de segunda ordem, como o método de Newton, usam o termo de curvatura. Quando pesquisadores analisam como a superfície de perda de um modelo se comporta localmente, muitas vezes pensam em termos de expansões de Taylor ao redor de um ponto.

A série de Maclaurin também é usada para aproximar funções de ativação como sigmoid e tanh em análises teóricas. Expandir essas funções como polinômios facilita entender gradientes e comportamento de saturação.

Conclusão

A série de Maclaurin faz uma coisa: aproxima uma função por um polinômio centrado em zero. É uma ideia simples com um alcance enorme.

Da computação numérica à física e ao machine learning, o padrão é sempre o mesmo: pegue uma função complexa, troque por um polinômio bom o suficiente e siga para o problema real. A matemática por trás do gradiente descendente, das aproximações de ângulo pequeno e das funções embutidas em bibliotecas volta a essa mesma ideia central.

As expansões de eˣ, sin(x), cos(x) e 1/(1-x) valem a pena memorizar. Elas aparecem com tanta frequência que reconhecê-las de cara economiza tempo de verdade — especialmente ao ler artigos científicos.