PR

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

INTEGRAIS IMPRPRIAS
Adaptado de: HOFFMANN, Laurence D. & BRADLEY, Gerald L. Clculo: Um Curso Moderno e
suas Aplicaes. Rio de Janeiro: Sexta Edio, LTC Livros Tcnicos e Cientficos Editora S. A.,
1999. Com exceo das aplicaes aos softwares MAPLE e MATLAB.
Objetivo: Estender o conceito de integral definida para integrais da forma:

f ( x) dx

na qual o limite superior de integrao no um nmero finito. Tais integrais so conhecidas como
integrais imprprias e surgem em diversas situaes prticas.
Interpretao Geomtrica: Se f no-negativa, a integral imprpria

f ( x) dx pode se interpretada

como a rea da regio sob o grfico de f direita de x = a (veja as figuras a seguir).

Embora esta regio tenha uma extenso infinita, sua rea pode ser finita ou infinita, dependendo de
quo rapidamente f(x) tende a zero quando x cresce.
Uma abordagem razovel para encontrar a rea de uma regio deste tipo primeiro usar uma integral
definida para calcular a rea de x = a at um nmero finito x = N, e ento fazer N tender ao infinito na
expresso resultante. Isto :
N

rea total = lim (rea de a at N) = lim f ( x) dx

N a

Isto motiva a seguinte definio:

A Integral Imprpria

f ( x) dx = lim f ( x) dx
N a

Se o limite que define a integral imprpria um nmero finito, a integral converge. De outra forma a
integral diverge. A seguir tem-se alguns exemplos:

Exemplos:
1) Calcule

1
dx
x2

Soluo:
Primeiro calcule a integral de 1 a N e ento faa N tender ao infinito. Organize seu trabalho da seguinte
forma:

1N
N 1
1
1

dx = lim 2 dx = lim = lim + 1 = 1

2
N N
N 1 x
N
x

x 1

A seguir, tem-se a soluo usando o software de manipulao algbrica MAPLE.

> restart:
> # De forma direta:
> plot(1/x^2,x=1..infinity,color=black);

> Int(1/x^2,x=1..infinity)=int(1/x^2,x=1..infinity);

dx = 1

x
1

> # Usando processo semelhante ao manual:

> Int(1/x^2,x)=expand(int(1/x^2,x=1..N));

1
1

2 dx = + 1

N
x

> Limit(-1/N+1,N=infinity)=limit(-1/N+1,N=infinity);
1
lim + 1 = 1
N
N

2) Calcule

1
dx
x

Soluo:

N 1
1
dx = lim dx = lim [ ln x
N 1 x
N
x

) = lim (ln N ln{0) = lim (ln N ) =

N

A seguir, tem-se a soluo usando o software de manipulao algbrica MAPLE.

> restart:
> # De forma direta:
> plot(1/x,x=1..infinity,color=black);

> Int(1/x,x=1..infinity)=int(1/x,x=1..infinity);

1 dx =

x
1

> # Usando processo semelhante ao manual:

> Int(1/x,x)=int(1/x,x=1..N);
1

dx = ln ( N )

> Limit(ln(N),N=infinity)=limit(ln(N),N=infinity);
lim ln ( N ) =
N

> plot(ln(N),N=0..50,y=-1..6,color=black); # REVISO DO GRFICO DO LN

Concluso dos dois primeiros exemplos:

1
1
do exemplo 1 convergiu, enquanto a da funo f ( x) =
2
x
x
do exemplo 2 divergiu. Em termos geomtricos, isto significa que a rea direita de x = 1 sob a curva
1
1
y = 2 finita, enquanto a rea correspondente sob a curva y =
infinita. A razo para a
x
x
1
1
diferena que, quando x cresce, 2 tende a zero mais rapidamente do que .
x
x
Note que a integral imprpria f ( x) =

Novamente, usando o software Maple, para comparar os grficos e assim ilustrar o fato de uma funo
convergir e da outra divergir.
> plot([1/x^2,1/x],x=0..5,y=0..5,title="Converge x Diverge",
legend=["y=1/x^2", "y=1/x"]);

Integrais imprprias de outros tipos

De forma semelhante, define-se tambm as integrais imprprias dos tipos:

b

(i) f ( x) dx = lim

(ii)

n N

f (x) dx = lim

f ( x) dx

N N

f ( x) dx + lim f ( x) dx
N 0

Nota: Estes tipos de integrais so largamente empregados no clculo de probabilidade relacionadas a

vrias aplicaes na rea industrial.

Aplicaes das integrais imprprias Estatstica

Algumas das aplicaes mais importantes da integrao para as cincias sociais e biolgicas esto nas
reas da probabilidade e estatstica. Nesse momento estamos interessados em explorar a relao entre a
integrao e a probabilidade. Integrais imprprias representaro um papel importante nesta discusso.
Variveis aleatrias:

A durao de vida de uma lmpada selecionada ao acaso de um estoque do fabricante uma

quantidade que no pode ser prevista com certeza. Na terminologia estatstica, o processo de selecionar
5

uma lmpada ao acaso chamado de um experimento aleatrio, e a durao de vida da lmpada

dita ser uma varivel aleatria. Em geral, uma varivel aleatria um nmero associado com o
resultado de um experimento aleatrio.
Uma varivel aleatria que pode assumir apenas valores inteiros dita ser discreta. O valor de uma
carta de baralho selecionada ao acaso e o nmero de vezes que d coroa ao se jogar uma moeda so
variveis aleatrias discretas. Assim tambm o QI de um estudante universitrio selecionado ao
acaso, pois os QIs so medidos em nmeros inteiros.
Uma varivel aleatria que pode assumir qualquer valor em um determinado intervalo dita ser
contnua. Algumas variveis aleatrias contnuas so o tempo que um motorista selecionado ao acaso
espera em um sinal de trnsito, o intervalo de tempo entre as chegadas de avies sucessivos
selecionados ao acaso no aeroporto, e o tempo que leva para que uma pessoa selecionada ao acaso
aprenda uma determinada tarefa. O clculo integral usado no estudo das variveis aleatrias
contnuas.
Probabilidade:

A probabilidade de um evento que pode resultar de um experimento aleatria um nmero entre 0 e

1 que especifica a chance de ocorrncia do evento. Em particular, a probabilidade a frao do tempo
que o evento pode ser esperado ocorrer se o experimento for repetido um grande nmero de vezes. Por
exemplo, a probabilidade de que uma moeda perfeitamente balanceada jogada resulte em cara de 1/2,
pois espera-se que este evento ocorra aproximadamente 1/2 do tempo se a moeda for jogada
repetidamente. Em um grupo contendo 13 homens e 10 mulheres, a probabilidade de 10/23 de que
uma pessoa selecionada ao acaso seja uma mulher. A probabilidade de um evento que no pode
ocorrer zero. Por exemplo, se voc jogar um dado comum, a probabilidade de que voc obtenha um
nmero entre 1 e 6, inclusive, 1, enquanto a probabilidade de obter um 7 zero.
Considere novamente o experimento aleatrio no qual uma lmpada selecionada ao acaso de um
estoque de um fabricante. Um possvel evento resultante deste experimento que a durao de vida da
lmpada selecionada seja entre 20 e 35 horas. Se X a varivel aleatria que denota a durao de vida
de uma lmpada selecionada ao acaso, este evento pode ser descrito pela inequao 20 X 45, e sua
probabilidade denotada por P(20 X 45). Analogamente, a probabilidade de que a lmpada
funcionar por pelo menos 50 horas denotada por P(X 50) ou P(50 X ).
Funo Densidade de Probabilidade (fdp)

Uma funo densidade de probabilidade para uma varivel aleatria contnua X a funo nonegativa f com a propriedade de que P(a X b) seja a rea sob o grfico de f de x = a at x = b. Uma
funo densidade de probabilidade possvel para a durao de vida de uma lmpada est esboada no
grfico a seguir.

Observe que a forma do grfico reflete o fato de que a maioria das lmpadas queimam relativamente
rpido. Por exemplo, a probabilidade de que uma lmpada falhar dentro das primeiras 40 horas
representada pela rea sob a curva entre x = 0 e x = 40. Isto um nmero muito maior do que a rea
sob a curva entre x = 80 e x = 120, que representa a probabilidade de que a lmpada falhar entre a sua
80a hora e a 120a hora de uso.
A propriedade bsica das funes densidade de probabilidade pode ser estabelecida em termos de
integrais que voc usaria para calcular suas reas apropriadas.
Funo Densidade de Probabilidade (fdp): Uma Definio

Uma funo densidade de probabilidade para uma varivel aleatria continua X uma funo nonegativa f tal que:
b

P (a X b) = f ( x) dx
a

Os valores de a e b nesta formula no precisam ser finitos. Se um ou outro for infinito, a probabilidade
correspondente dada por uma integral imprpria. Por exemplo, a probabilidade de que X seja maior
ou igual que a :

P ( x a ) = P(a X ) = f ( x) dx
a

A rea total sob o grfico de uma funo densidade de probabilidade deve ser igual a 1. Isto porque
a rea total representa a probabilidade de que X esteja entre e + , o que um evento que
certamente ocorrer. Est observao pode ser reescrita em termos de integrais imprprias.
Funo Densidade de Probabilidade (fdp): Uma propriedade

Se f uma funo densidade de probabilidade para uma varivel aleatria continua X.

f ( x) dx = 1

O problema de determinar a funo densidade de probabilidade adequada para uma determinada

varivel aleatria um problema central da Teoria da Probabilidade que est alm do escopo desta
nota de aula. Envolve tcnicas que podem ser encontradas na maioria dos textos sobre probabilidade e
estatstica.

As figuras a seguir foram construdas no software de manipulao numrica MATLAB. Os clculos

tambm foram obtidos por esse software.
90
80
70
60
50
40
30
20
10
0
-3

-2

-1

f ( x) =

x2
1
.e 2
2

(f. d. p.)

Observaes:

1) f.d.p.: Funo densidade de probabilidade

2) Percentuais da Distribuio Normal:
-

MAIS ou MENOS 1 SIGMA = 68,27%

MAIS ou MENOS 3 SIGMA = 99,73%
MAIS ou MENOS 2 SIGMA = 95,45%
MAIS ou MENOS 4 SIGMA = 99,99%

Utilizando o software de manipulao numrica MATLAB:

Gerar o grfico da funo de distribuio normal padronizada univariada (N(0,1): = 0 e = 1).

Determinar os percentuais de 1, 2, 3 e 4.

Soluo:
function y=fdp_normal(x)
y=(1/sqrt(2*pi)*exp(-0.5*(x.^2)));
function distr_normal_integral
Area_1S=quad('fdp_normal',-1,1)*100;
Area_2S=quad('fdp_normal',-2,2)*100;
Area_3S=quad('fdp_normal',-3,3)*100;
Area_4S=quad('fdp_normal',-4,4)*100;
disp(' ')
disp([' MAIS ou MENOS 1 SIGMA = 'num2str(Area_1S)
disp(' ')
disp([' MAIS ou MENOS 2 SIGMA = 'num2str(Area_2S)
disp(' ')
disp([' MAIS ou MENOS 3 SIGMA = 'num2str(Area_3S)
disp(' ')
disp([' MAIS ou MENOS 4 SIGMA = 'num2str(Area_4S)
disp(' ')
pause
x=-4:0.01:4;
y=(1/sqrt(2*pi)*exp(-0.5*(x.^2)));
plot(x,y,'b.')
grid
title('DISTRIBUIO NORMAL UNIVARIADA')
xlabel('eixo X')
ylabel('eixo Y')
%gtext('<------------- 99,99% ---------------->')
pause
hold on
x=-3:0.01:3;
y=(1/sqrt(2*pi)*exp(-0.5*(x.^2)));
plot(x,y,'r.')
%gtext('<--------- 99,73% --------->')
pause
hold on
x=-2:0.01:2;
y=(1/sqrt(2*pi)*exp(-0.5*(x.^2)));
plot(x,y,'g.')
%gtext('<------ 95,44% ------>')
pause
hold on
x=-1:0.01:1;
y=(1/sqrt(2*pi)*exp(-0.5*(x.^2)));
plot(x,y,'y.')
%gtext('<-- 68,27% -->')
legend('+ ou - 4 sigma','+ ou - 3 sigma','+ ou - 2
pause
x=-2:0.01:2;
y=(1/sqrt(2*pi)*exp(-0.5*(x.^2)));
area(x,y)
pause
close

'%'])
'%'])
'%'])
'%'])

sigma','+ ou - 1 sigma')

> distr_normal_integral
MAIS ou MENOS 1 SIGMA = 68.2691%
MAIS ou MENOS 2 SIGMA = 95.4499%
MAIS ou MENOS 3 SIGMA = 99.733%
MAIS ou MENOS 4 SIGMA = 99.9938%

OUTRA FORMA: Usando a funo MATLAB normpdf

function normal
x=-3:0.01:3;
y=normpdf(x,0,1);
plot(x,y)
xlabel ('Eixo x')
ylabel ('Eixo y')
title ('DISTRIBUIO NORMAL')
grid %grade
pause
close
format bank
sigma1=(normcdf(1,0,1)-normcdf(-1,0,1))*100;
sigma2=(normcdf(2,0,1)-normcdf(-2,0,1))*100;
sigma3=(normcdf(3,0,1)-normcdf(-3,0,1))*100;
sigma4=(normcdf(4,0,1)-normcdf(-4,0,1))*100;
disp(' ')
disp('PERCENTUAIS DA DISTRIBUIO NORMAL ')
disp(' ')
disp([' MAIS ou MENOS 1 SIGMA = 'num2str(sigma1)
disp(' ')
disp([' MAIS ou MENOS 2 SIGMA = 'num2str(sigma2)
disp(' ')
disp([' MAIS ou MENOS 3 SIGMA = 'num2str(sigma3)
disp(' ')
disp([' MAIS ou MENOS 4 SIGMA = 'num2str(sigma4)

'%'])
'%'])
'%'])
'%'])

Resultados:
PERCENTUAIS DA DISTRIBUIO NORMAL
MAIS ou MENOS 1 SIGMA = 68.2689%
MAIS ou MENOS 2 SIGMA = 95.45%
MAIS ou MENOS 3 SIGMA = 99.73%
MAIS ou MENOS 4 SIGMA = 99.9937%

10