Grandezas físicas e unidades

de medida

1
Instrumentos de medição

2
 Instrumentos de medição
A resolução do instrumento de medição é a menor variação
da grandeza medida que é perceptível no mostrador.

Mostrador analógico Mostrador digital

A resolução pode ser: A resolução é o valor do

• O valor da menor separação menor incremento da
entre duas marcas (traços) grandeza observado no
mostrador.
• Uma fração perceptível
desta menor separação.
Menor separação Fração perceptível
1 mm 0,5 mm 0,01 s

3
Algarismos significativos

4
 Algarismos significativos
Algarismos significativos de uma medição são o conjunto de
todos os algarismos corretos mais um algarismo duvidoso.
Exemplo: medindo o comprimento de uma barra usando réguas
com resoluções diferentes.

1
1 cm

2
1 mm

5
 Algarismos significativos
Régua 1:
• Extremidade da barra está entre a marca 9 e 10 cm.
• Usando bom senso, estimo que esta extremidade está a
0,6cm de distância da marca 9cm.
• Declaro o resultado da medição como 𝐿 = 9,6 cm

1
1 cm

• Neste resultado, 9 é o algarismo correto (não há dúvidas

sobre este valor).
• Já o algarismo 6 é duvidoso; outros poderiam estimar um
valor ligeiramente diferente.
• Seria incorreto estimar algum valor para a 2ª casa decimal2.2
 Algarismos significativos
Régua 2:
• Extremidade da barra está entre a marca 9,6 e 9,7 cm.
• Estimo o valor da 2ª casa decimal e declaro o resultado da
medição como 𝐿 = 9,65 cm

2
1 mm

• Neste resultado, 9 e 6 são os algarismos corretos (não há

dúvidas sobre estes valores).
• Já o algarismo 5 é duvidoso e seria incorreto estimar algum
valor para a 3ª casa decimal.
7
 Algarismos significativos
Algumas regras:
1. São algarismos significativos todos aqueles contados, da
esquerda para a direita, a partir do primeiro algarismo
diferente de zero. Exemplos:
• 𝑚 = 13,3400 kg → seis algarismos significativos;
• 𝐿 = 0,2430 m → quatro algarismos significativos;
• 𝑡 = 0,0000021 s → dois algarismos significativos.
2. Ao se efetuar mudanças de unidade o número de algarismos
significativos não se altera. Exemplos:
• 𝑚 = 13,3400 kg = 13340,0 g;
• 𝐿 = 0,2430 m = 24,30 cm;
• 𝑡 = 0,0000021 s = 2,1 𝜇s.
8
 Algarismos significativos
3. Potências de 10 não são parte dos algarismos significativos

• 𝑚 = 13,3400 kg = 13340,0 g = 1,33400 × 104 g;

• 𝐿 = 0,2430 m = 24,30 cm = 243,0 × 10−3 m;
• 𝑡 = 0,0000021 s = 2,1 𝜇s = 2,1 × 10−6 s.

9
Incerteza de uma medição

10
 Incerteza de uma medição
• Toda medição está sujeita a alguma incerteza, ou seja, sempre
haverá uma margem de dúvida no resultado obtido.
• A incerteza pode ser devida a um ou mais dos seguintes
fatores: à resolução finita do instrumento de medição, ao
processo utilizado, ao operador, ao ambiente, entre outros.
• A forma mais comum de se expressar o resultado de uma
medição é a seguinte:

valor da grandeza ± incerteza da medição unidade

o que nos dá uma indicação quantitativa da qualidade do

resultado.
11
 Incerteza de uma medição
valor da grandeza ± incerteza da medição [unidade]

• A incerteza é fornecida com um (ou, no máximo, dois)

algarismo(s) significativo(s).
• A incerteza determina o número de algarismos significativos do
resultado e incide sobre o seu algarismo duvidoso.

Formas corretas

▪ 𝑔 = 9,78 ± 0,05 m/s2

▪ 𝑣 = 3,839 ± 0,018 × 108m/s ou 3,84 ± 0,02 × 108 m/s
Formas incorretas

▪ 𝑔 = 9,8 ± 0,05 m/s2 (resultado incompatível com a incerteza)

▪ 𝑣 = 3,84 ± 0,018345 × 108 m/s (excesso de algarismos)
▪ 𝑚 = 1,0374 ± 0,02 kg (resultado mais preciso que a incerteza?)
12
 Incerteza na leitura de escalas

1
1 cm

2
1 mm

• Régua 1. Melhor estimativa: 9,5 < 𝐿 < 9,7 cm. Então:

𝐿 = 9,6 ± 0,5 cm.
Em escalas analógicas, convenciona-se indicar a incerteza
como a metade da resolução do instrumento.

13
 1
1 cm

2
1 mm

• Régua 2. Melhor estimativa: 9,60 < 𝐿 < 9,70 cm. Então:

𝐿 = 9,65 ± 0,05 cm. 14
 Instrumentos de medição
Para escalas digitais, convenciona-se representar a
incerteza pelo valor da resolução do instrumento.

A resolução é o valor do
menor incremento da
grandeza observado no
mostrador.

𝑡 = 29,37 ± 0,01 s
0,01 s

15
 Incerteza na leitura de escalas
• No exemplo anterior, a incerteza da medição coincidiu com a
resolução do instrumento.
• Porém, enquanto a resolução é uma característica do
instrumento, a incerteza depende do processo de medição.
• Exemplo: medindo o diâmetro de uma moeda e a largura de
um campo de futebol com uma régua milimetrada.

𝑑 = 0,5 mm
𝐿 ≫ 0,5 mm
16
 Incertezas em medições repetidas
• Uma medição nem sempre se restringe à leitura de uma escala.
• Muitas vezes é necessário repetir uma medição várias vezes, sob
as mesmas condições.
• Se uma grandeza x é medida n vezes e os valores (𝑥1, 𝑥2, … , 𝑥 𝑛 )
são obtidos, qual o resultado final e sua incerteza?
• Em geral, a melhor estimativa para x é seu valor médio:
𝑛
𝑥1 + 𝑥2 + ⋯ + 𝑥𝑛 1
𝑥médio = 𝑥ҧ = = ෍ 𝑥𝑗 ,
𝑛 𝑛
𝑗=1

e a incerteza é o desvio padrão da média das observações:

𝑛
1 2
𝑥 = ෍ 𝑥𝑗 − 𝑥ҧ .
𝑛(𝑛 − 1)
𝑗=1
 Incertezas em medições repetidas
• Exemplo: Medida do intervalo de tempo entre o lançamento de
um projétil e o instante em que ele toca o chão.
• Reflita: a resolução do cronômetro é a maior fonte de incerteza?
Uma medição é suficiente para uma boa estimativa do tempo?

(𝑡1 + 𝑡2 + 𝑡3 + 𝑡4 + 𝑡5) Lançamento 𝒕𝒋 (𝐬) [𝒕𝒋−𝒕ҧ] (𝐬)

𝑡ҧ = 1 1,91 -0,046
5
= 1,9560 s 2 1,89 -0,066
3 2,01 0,054
𝑁
4 1,95 -0,006
1 2 5 2,02 0,064
𝑡 = ෍ 𝑡𝑗 − 𝑡ҧ
5(5 − 1)
𝑗=1
Declare então:
= 0,0260 s
𝑡 = 1,96 ± 0,03 s
18
Propagação de incertezas

1
9
 Propagação de incertezas
• Muitas vezes, teremos que determinar uma grandeza física de
forma indireta. Isso será feito em duas etapas:
1. Medimos uma ou mais grandezas relacionadas a ela.
2. Calculamos a grandeza de interesse usando as medidas.
𝑑
Exemplo: Para determinar o volume
de um cilindro, medimos o seu
diâmetro (d), sua altura (h) e, a ℎ
seguir, calculamos 𝑉 = 𝜋 𝑑/2 2ℎ.

• As incertezas das grandezas medidas produzirão uma incerteza

no resultado da grandeza de interesse. Como a estimamos?
1. Estimamos as incertezas das grandezas medidas.
2. Determinamos como estas incertezas “se propagam”.
2
0
 Propagação de incertezas
Regra geral para funções de uma variável
• Considere que uma grandeza 𝑌 é uma função 𝑓 arbitrária de uma
grandeza 𝑋:
𝑌 = 𝑓(𝑋).
• Suponha que a medição de 𝑋 resulte em
𝑥 ± 𝑥.
• Nesse caso, o valor 𝑦 da grandeza 𝑌 será
𝑦 =𝑓𝑥,
• A incerteza ∆𝑦 é obtida pela seguinte regra:

2
𝑑𝑦 𝑑𝑦
𝑦 = 𝑥 = 𝑥 .
𝑑𝑥 𝑑𝑥
2
1
 Propagação de incertezas
Regra geral para funções de uma variável
• Como podemos entender essa regra? (argumentos não rigorosos).
• Do gráfico abaixo vemos que Δ𝑦 = 𝑦 𝑥 + 𝑥 − 𝑦 𝑥 .

• Considerando a incerteza
𝑥 pequena, teremos
(Cálculo I):
𝑑𝑦
𝑦 = 𝑥.
𝑑𝑥
• Como 𝑑𝑦/𝑑𝑥 pode ser
negativo, usamos o
módulo:
𝑑𝑦
𝑦 = 𝑥
𝑑𝑥
2
2
 Propagação de incertezas
Regra geral
• Considere que uma grandeza 𝑌 é uma função 𝑓 arbitrária de 𝑁
outras grandezas 𝑋1 , 𝑋2 , … , 𝑋𝑁 :
𝑌 = 𝑓(𝑋1 , 𝑋2 , … , 𝑋𝑁 ).
• Suponha que as medições de 𝑋1 , 𝑋2 , … , 𝑋𝑁 resultem em
𝑥1 ± 𝑥1, 𝑥2 ± 𝑥2, ... , 𝑥𝑁 ± 𝑥𝑁.
• Nesse caso, o valor 𝑦 da grandeza 𝑌 será
𝑦 = 𝑓(𝑥1, 𝑥2, ..., 𝑥𝑁).
• A incerteza 𝑦 é obtida pela seguinte regra:

2 2 2
𝜕𝑦 𝜕𝑦 𝜕𝑦
𝑦 = 𝑥1 + 𝑥2 +⋯+ 𝑥𝑁 .
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑁
2
3
 Propagação de incertezas
Regra geral*

2 2 2
𝜕𝑦 𝜕𝑦 𝜕𝑦
𝑦 = 𝑥1 + 𝑥2 + ⋯+ 𝑥𝑁 .
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑁

• Esta regra é uma generalização da regra anterior.

• As incertezas 𝑥𝑖 das grandezas medidas diretamente são
ponderadas por 𝜕𝑦/𝜕𝑥𝑖 , que avaliam o quanto o resultado da
medição varia com a mudança em cada 𝑥𝑖.
• Cada termo (𝜕𝑦/𝜕𝑥𝑖)𝑥𝑖 quantifica a incerteza parcial em 𝑦
devido apenas à incerteza 𝑥𝑖 da medida correspondente.

8
*Regra válida quando as grandezas 𝑥𝑖 são independentes entre si.
 Propagação de incertezas
Exemplo: As dimensões de um cilindro foram medidas com
uma régua graduada em milímetros:
𝑑 𝑑 = 21,35 ± 0,05 × 10−2m;

ℎ = 28,50 ± 0,05 × 10−2m.

ℎ
Determine o volume deste cilindro e sua
respectiva incerteza.
2
𝑑
• Sabendo que 𝑉 = 𝜋ℎ , teremos
2

𝑉 = 1,02031 × 10−2 m3.

• Observação: o número de algarismos significativos desse

resultado será determinado pelo valor da incerteza.
25
 Propagação de incertezas
2
𝑑
• Como 𝑉 = , a incerteza pode ser calculada por:
2
𝜋ℎ

2 2 2 2
𝜕𝑉 𝜕𝑉 𝜋ℎ𝑑 𝜋𝑑2
𝑉 = 𝑑 + ℎ = 𝑑 + ℎ
𝜕𝑑 𝜕ℎ 2 4

26
 Propagação de incertezas
• Obtemos:

𝑉 = 5 × 10−5 m3.

• Lembre-se que a incerteza deve ser fornecida com um (ou,

no máximo, dois) algarismo(s) significativo(s).

• Com o valor de 𝑉 = 1,02031 × 10−2 m3, podemos expressar

corretamente o resultado final como:

𝑉 = 1020 ± 5 × 10−5 m3.

→ Para uma introdução mais detalhada ao tópico “Análise de

Incertezas”, consulte nosso material de apoio em
https://www.fisica.ufmg.br/ciclo-basico/disciplinas/feb-mecanica/
27
 Propagação de incertezas
• Incerteza associada à soma de medidas
𝑥 ± 𝛿𝑥, 𝑦 ± 𝛿𝑦
𝑓 𝑥, 𝑦 = 𝑥 + 𝑦
2 2
𝜕𝑓 𝜕𝑓 2 2
𝛿𝑓 = 𝛿𝑥 + 𝛿𝑦 = 1 ⋅ 𝛿𝑥 + 1 ⋅ 𝛿𝑦
𝜕𝑥 𝜕𝑦
= 𝛿𝑥 2 + 𝛿𝑦 2

Para o caso particular em que 𝛿𝑥 = 𝛿𝑦:

𝛿𝑓 = 𝛿𝑥 ⋅ 2
• Incerteza associada ao produto de uma medida por um
escalar
𝑥 ± 𝛿𝑥
𝑓 𝑥, 𝑦 = 𝑘𝑥, 𝑘∈ℝ
𝜕𝑓
𝛿𝑓 = 𝛿𝑥 = 𝑘 ⋅ 𝛿𝑥 = 𝛿𝑥 ⋅ 𝑘
𝜕𝑥 28
Gráficos

29
 Gráficos
Fornecida uma tabela com dados de duas grandezas físicas que se
relacionam, a construção de um gráfico nos auxilia a:

• Visualizar de forma direta e rápida a relação entre as grandezas.

• Interpretar o fenômeno físico.

• Obter informação quantitativa a partir da análise gráfica.

Exemplo: dados de tensão (V) e corrente (I) para aferição da resistência
(R) elétrica de um elemento resistivo ôhmico.
Tensão (±𝟎, 𝟏 𝐕) Corrente (±𝟎, 𝟎𝟎𝟏 𝐀)

1,0 0,052
2,0 0,098
3,0 0,151
4,0 0,195
30
5,0 0,244
 Gráficos
Essas grandezas são relacionadas por
𝑉 = 𝑅𝐼.
Vamos construir o gráfico VxI, o que significa que os dados de V serão
colocados na coluna Y (eixo y) e os dados de I na coluna X (eixo x) do
programa gráfico.
Tensão (±𝟎, 𝟏 𝐕) Corrente
(±𝟎, 𝟎𝟎𝟏 𝐀)
1,0 0,052
2,0 0,098
3,0 0,151
4,0 0,195
5,0 0,244

Atenção! Aqui estamos usando o

SciDavis. 15
 Gráficos
Com o gráfico podemos visualizar a relação entre tensão e corrente.

Para gráficos com poucos pontos usamos símbolos para identificá-los

16
 Gráficos
As informações em destaque (principalmente as dos eixos x e y) são
essenciais para se entender e interpretar um gráfico.

Título e legenda

Eixos com as grandezas e suas unidades 17

Ajuste de curvas

34
 Ajuste de curvas
• Ajustar uma curva a um conjunto de dados experimentais é
determinar a função 𝑦(𝑥) que melhor representa a tendência geral
desses dados.

• Através do ajuste obtemos informações quantitativas do fenômeno

físico em estudo, determinando os parâmetros da curva (𝑥,y)
que mais se aproxima dos pontos experimentais.
Exemplos:

• Ajustes polinomiais:
o Linear: 𝑦 = 𝑎1𝑥 + 𝑎0 → parâmetros 𝑎1, 𝑎0 ;
o Quadrático: 𝑦 = 𝑎 2 𝑥 2 + 𝑎1𝑥 + 𝑎0 → parâmetros 𝑎2, 𝑎1, 𝑎0 ;
o Grau n: 𝑦 = 𝑎 𝑛 𝑥 𝑛 + ⋯ + 𝑎1𝑥 + 𝑎0 → parâmetros 𝑎 𝑛 , … , 𝑎1, 𝑎0 .
• Ajuste exponencial: 𝑦 = 𝑎0 𝑒 −𝑎 1 𝑥 → parâmetros 𝑎1 , 𝑎0
• Etc.

35
 Ajuste de curvas
Suponha que em um experimento foram medidos valores de duas
grandezas físicas X e Y que se relacionam linearmente, i.e., 𝑌 = 𝐶𝑋.

Y X

0,34 0,16
0,6 0,36
1,2 0,51
1,54 0,76
1,98 0,98

• Há infinitas retas que representam o comportamento dos pontos.

• Como determinar a reta 𝑦 = 𝐴𝑥 + 𝐵 que melhor se ajusta a estes
pontos? 20
 Ajuste de curvas
Método dos mínimos quadrados
• Minimiza a discrepância entre os dados 𝑥𝑖, 𝑦𝑖 e os pontos da curva obtida
𝑥𝑖, 𝐴𝑥𝑖 + 𝐵 , através da minimização da soma dos quadrados das
distâncias entre estes pontos:
𝑚

𝛿 = ෍(𝑦𝑖 − 𝐴𝑥𝑖 − 𝐵)²

𝑖=1
• Para determinar os parâmetros
𝑚 A e B, fazemos
𝜕𝛿
= 0 ⇒ −2 ෍ 𝑦𝑖 − 𝐴𝑥𝑖 − 𝐵 𝑥𝑖 = 0
𝜕𝐴
𝑖=1
𝑚
𝜕𝛿
= 0 ⇒ −2 ෍ 𝑦𝑖 − 𝐴𝑥𝑖 − 𝐵 = 0
𝜕𝐵
𝑖=1
e resolvemos o sistema de equações gerado. As incertezas de A e
B também podem ser obtidas aplicando-se a propagação.

• Para um ajuste polinomial de ordem n, o método é generalizado e

produz um sistema de n+1 equações. 21
 Ajuste de curvas
𝑛Σ𝑥𝑖 𝑦𝑖 − Σ𝑥𝑖 Σ𝑦𝑖
𝐴= ,
𝑛Σ𝑥𝑖2 − Σ𝑥𝑖 2

Σ𝑦𝑖 − 𝐴Σ𝑥𝑖
𝐵= ,
𝑛

𝛿 Σ𝑥𝑖2
Δ𝐴 = ,
𝑛 − 2 𝑛Σ𝑥𝑖2 − Σ𝑥𝑖 2

𝛿
Δ𝐵 = ,
(𝑛 − 2) 𝑛Σ𝑥𝑖2 − Σ𝑥𝑖 2

em que
2
𝛿 = Σ 𝑦𝑖 − 𝐴𝑥𝑖 − 𝐵 .

21
 Ajuste de curvas
• Felizmente, as calculadoras científicas já possuem funções programadas
para calcular os coeficientes 𝐴 e 𝐵, a partir das equações mostradas
anteriormente.

• CUIDADO! As calculadoras científicas normalmente invertem os

coeficientes 𝐴 e 𝐵, utilizando como modelo a equação linear 𝑦 = 𝐴 + 𝐵𝑥.
 Ajuste de curvas
Suponha que em um experimento foram medidos valores de duas
grandezas físicas X e Y que se relacionam linearmente, i.e., 𝑌 = 𝐶𝑋.

Y X

0,34 0,16
0,6 0,36
1,2 0,51
1,54 0,76
1,98 0,98

• Exercício: usando os dados da tabela, resolva o sistema de

equações do slide anterior e obtenha os parâmetros A e B.
40
 Ajuste de curvas
Voltando ao exemplo inicial:
Como obter o valor da resistência a partir da análise do gráfico VxI?

Sabemos que V varia linearmente com I (V=RI).

Tensão (±𝟎, 𝟏 𝐕) Corrente

(±𝟎, 𝟎𝟎𝟏 𝐀)
1,0 0,052
2,0 0,098
3,0 0,151
4,0 0,195
5,0 0,244

41
 Ajuste de curvas
Neste caso, um ajuste linear (regressão linear) determinará a equação
da reta que melhor se ajusta aos dados.

• O ajuste de uma reta

y = Ax + B
fornece os valores dos
parâmetros A (inclinação)
e B (termo independente)
com suas respectivas
incertezas.

• Como y=V, x=I, temos

que R=A. Portanto

𝑅 = 20,8 ± 0,3 Ω
42
 Ajuste de curvas
Resultados usando o MyCurveFit

Linear Regression O ajuste de uma reta

6 y = mx + c
fornece os valores dos
Tensão (V)

4 parâmetros m
(inclinação) e c (termo
2
independente) com suas
0
respectivas incertezas.
0,052 0,102 0,152 0,202
Corrente (A) • Como y=V, x=I, temos
que R=m. Portanto
Calibrator Linear Regression

Coeff. Value ± Error 𝑅 = 20,8 ± 0,3 Ω

m 20.7868 0.286433
Atenção! Os parâmetros do ajuste
c -0.077282 0.0466647 podem ser representados por letras
diferentes em cada programa 25
 Ajuste de curvas
Resultados usando o LinearFit

O ajuste de uma reta

y = mx + b
fornece os valores dos
parâmetros m
(inclinação) e b (termo
independente) com suas
respectivas incertezas.

• Como y=V, x=I, temos

que R=m. Portanto

𝑅 = 20,8 ± 0,3 Ω Atenção! Os parâmetros do ajuste

podem ser representados por letras
diferentes em cada programa
44
 Ajuste de curvas
É razoável ajustar uma reta a esses dados?

45
 Ajuste de curvas
Não! Devemos fazer ajustes não lineares.

Ajuste com 𝑦 = 𝐴𝑒𝐵𝑥 Ajuste com 𝑦 = sin(𝐴𝑥 + 𝐵)

46
Linearização de gráficos

47
 Linearização de gráficos
• Frequentemente, duas grandezas x e y se relacionam de forma não
linear. Exemplos:

1. 𝑦 = 𝑎𝑥2 + 𝑏
2. 𝑦 = 𝑏𝑒 𝑎𝑥
3. 𝑦 = 𝑎𝑥2 + 𝑏𝑥

• Em alguns casos é possível definir novas grandezas que sejam

funções das originais e obedeçam uma relação linear entre si.

1. Fazendo 𝑋 = 𝑥 2 teremos 𝑦 = 𝑎𝑋 + 𝑏
2. Aplicando o logaritmo: ln 𝑦 = ln 𝑏 + 𝑎𝑥
𝑌 = 𝐵 + 𝑎𝑥
3. Não é possível linearizar

• Após a linearização, é possível fazer a análise do gráfico via

regressão linear. Não confundir linearização com regressão linear.
 Programas de análise de dados
Para fazer e analisar gráficos fora do laboratório, você pode usar pelo
menos um dos seguintes programas de acordo com o seu equipamento:

• SciDAvis: https://sourceforge.net/projects/scidavis/
➢ Computador onde se pode instalar programas.

• MyCurveFit: https://mycurvefit.com/
➢ Computador onde não é possível instalar programas.
Este se usa sempre online.

• LinearFit: Vá ao aplicativo “Play Store” e busque “LinearFit”.

➢ Smartphone.

→ Tutoriais de instalação e utilização: “Material de apoio” em

https://www.fisica.ufmg.br/ciclo-basico/disciplinas/feb-mecanica/
49
 Erro de uma medida
Uma vez que saibamos o valor correto de uma grandeza, podemos
comparar o valor medido 𝑥medido em um experimento no laboratório com
o valor real 𝑥real da grandeza.

O erro percentual da medida é

𝑥real − 𝑥medido
erro = ⋅ 100%
𝑥real

Nas atividades experimentais realizadas em laboratórios de Física,

normalmente são encontrados erros abaixo de 15%, os quais são
razoáveis.

50