A coisa que mais me irrita quando alguém me traz um exercício de função exponencial crescente e decrescente é a pessoa ter esquecido a regra mais básica do sinal do expoente composto. O gráfico não se lê pelo "y grande, logo cresce". Se você tem f(x) = 4^(2x) e f(x) = 4^(-2x), a primeira sobe à medida que x aumenta, a segunda desce. O 4 está aí nos dois casos, a base é > 1 nos dois, mas a composição com o 2x ou -2x no expoente inverte o comportamento. É exatamente onde os alunos travam, porque tentam classificar só olhando a base e ignorando o coeficiente multiplicativo dentro do expoente.
Como se decide, na prática, se a função sobe ou desce
Você pega a forma geral f(x) = a · b^(cx), com a > 0. Se c > 0 e b > 1, a função é crescente no R inteiro. Se c > 0 e 0 < b < 1, é decrescente. Se c < 0, você inverte o que esperaria: c < 0 e b > 1 dá decrescente, c < 0 e 0 < b < 1 dá crescente. A razão é simples se você reescreve: b^(cx) = (b^c)^x, e aí você só compara b^c com 1. Se b^c > 1, cresce; se 0 < b^c
1, decresce. Esse passo de reescrever a base composta é o que a maioria das listas de exercício pula e vai direto pro gráfico, e depois estranham que "ah, mas a base 4 era maior que 1, por que a função tá caindo?" Em aula eu costumo pegar um valor concreto. Vou colocar x = 0, x = 1, x = 2 numa calculadora. Se f(0) < f(1) < f(2), tá crescendo. Se f(0) > f(1) > f(2), tá decrescendo. Não precisa de deriva pra isso. A derivada de f(x) = a·b^(cx) é f'(x) = a·c·b^(cx)·ln(b). O sinal dela vem de c e de ln(b). Se c e ln(b) têm o mesmo sinal, f' é positiva em todo x. Sinais opostos, f' é negativa em todo x. Nunca muda de sinal ao longo do domínio inteiro, e esse é o ponto que separa a exponencial de qualquer outra família de funções que você vai estudar depois. Não tem ponto de inflexão escondido no meio do caminho.
Função exponencial crescente e decrescente: o caso que me pegou numa modelagem de decaimento
Há uns três anos eu estava fechando uma planilha de decaimento de um radiofármaco pra um laboratório parceiro. O protocolo dizia "meia-vida de 6 horas, modelo exponencial decrescente, f(t) = N · 0,5^(t/6)". Eu montei a coluna, rodei os números, e descobri que nos primeiros 45 minutos a contagem não caía, subia um tiquinho antes de começar a decair. Era produção residual do gerador pai ainda saturando o filho. O modelo de decaimento puro simplesmente não aplicava pra t menor que uns 50 minutos. O que eu fiz na hora foi separar: usei a equação de Bateman pra essa janela inicial e encaixei o decaimento simples a partir de t = 1h. Se eu tivesse aplicado a exponencial decrescente do zero, a curva inteira teria saído errada em uns 12% no primeiro ponto de medição, o que num protocolo regulatório já era motivo de reprovação. Então, antes de você empurrar qualquer modelo exponencial num conjunto de dados, confere se os primeiros pontos não estão sendo contaminados por um processo que ainda não estabilizou.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Onde a exponencial quebra e você precisa trocar de ferramenta
A função exponencial, seja crescente ou decrescente, tem um problema estrutural que ninguém fala pro calouro: ela não satura. A decrescente f(x) = 3^(-x) vai assintoticamente a zero, nunca chega. A crescente f(x) = e^(0,05x) diverge pra infinito em tempo finito se você projetar além de certo horizonte. Num cenário biológico, tipo crescimento populacional, usar exponencial crescente pra prever a sexta semana geralmente te dá um número maior que a capacidade de carga do ambiente. Aí você não tá mais descrevendo a realidade, tá descrevendo uma idealização que funciona nos primeiros 2 ou 3 pontos e depois diverge. Pra esses casos, a logística (equação de Verhulst) é mais honesta: f(t) = K / (1 + ((K-N)/N)e^(-rt)). Ela absorve a saturação. A exponencial pura só é defensável quando o intervalo de interesse é curto o suficiente pra a saturação ainda não ter começado a importar. Outra armadilha que vejo com frequência: alguém tenta encaixar dados com uma exponencial decrescente, vê que os resíduos não batem, e vai ajustar o "a" e o "b" até o R² parecer aceitável. O R² de encaixe exponencial em dados com ruído aditivo é enganoso porque a variância não é constante ao longo do eixo y. O ajuste por mínimos quadrados pressupõe homocedasticidade. Se os seus erros crescem junto com a magnitude do sinal, usa transformada logarítmica e ajusta a reta em ln(y) contra x, e aí os resíduos ficam mais uniformes. O R² na escala log vai ser mais baixo, mas a interpretação dos coeficientes fica mais limpa.
Um detalhe que costuma passar despercebido em prova
Quando a base b é igual a 1, a função é constante, f(x) = a, nem cresce nem decresce. Quando b = 0, pra x > 0 você tem f(x) = 0, e pra x
0 não existe. Isso é raro em exercício, mas já apareceu numa prova de vestibular que eu corrígia há uns anos e uns 40% da turma não anotou o caso b = 1 e tentou classificar "decrescente" porque o gráfico era uma reta horizontal e ela "não subia". O enunciado pedia classificação em todas as bases possíveis. A reta horizontal não é decrescente, é constante. É uma diferença técnica que a banca pontuava. Projeção temporal também: se você tem f(x) = 2^(0,1x) e quer saber em que x a função passa de 10.000, o algebra é rápido. log(10000) = 0,1x·log(2), x = 4/log(2) 4/0,301 13,3. Mas se a base for 1,002 em vez de 2 com expoente 0,1x, a taxa é tão baixa que numa janela de 500 pontos de x o gráfico parece linear pra olho nu. O desvio da linearidade só fica visível se você plotar ln(f(x)) contra x e conferir se os pontos realmente caem numa reta. Aí sim você confirma que é exponencial e não polinomial de grau baixo. Esse teste de resíduo é mais confiável que olhar a curva e achar que "tá quase reta, deve ser linear".
