Por que a gente ainda fala de pi como se fosse algo novo
A história do número pi não começa com Arquimedes. Começa com gente medindo terra no Egito e na Babilônia e percebendo que, não importa o tamanho do círculo, a razão entre a circunferência e o diâmetro sempre dava o mesmo valor. O Papiro de Rhind, de cerca de 1650 a.C., já registra uma aproximação de 3,1605. Os babilônios, um pouco antes, usavam 3,125. Não era misticismo. Era prática. Um construtor precisava calcular quanto fio de corda ia precisar para dar uma volta em um silo cilíndrico. O que mudou de lá pra cá foi só a precisão. E a obsessão.
A história do numero pi e como ela se tornou um problema de engenharia
No século XVII, com o desenvolvimento do cálculo infinitesimal, a coisa virou outro animal. Isaac Newton calculou 16 casas decimais de pi usando séries binomiais, e ficou satisfeito. Edmund Halley, o mesmo Halley do cometa, foi mais longe: chegou a 71 algarismos usando a série de Gregory-Leibniz. A série em questão é aquela que todo mundo vê em livro introdutório de análise real: /4 = 1 - 1/3 + 1/5 - 1/7 + ... e assim por diante. O problema é que essa série converge absurdamente devagar. Para ganhar uma casa decimal nova, você precisa de milhares de termos. É matematicamente elegante e pragmaticamente inútil. Isso eu aprendi na prática. Trabalhei num projeto de simulação orbital onde precisávamos de pi com precisão de pelo menos 30 casas decimais para o cálculo de trajetórias de transferencia de Hohmann em corpos celestes com gravidade não pontual. Usei a série de Gregory-Leibniz de início, por preguiça. Depois de umas 47 mil iterações, percebi que ainda estava longe do valor correto nas casas finais. Troquei para a fórmula de Machin: /4 = 4·arctan(1/5) - arctan(1/239). Convergiu em cerca de duzentas iterações. A diferença prática foi de horas de processamento para segundos. A lição é simples e ninguém ensina: escolha a série certa antes de começar a somar.
Outra coisa que as pessoas não percebem: pi não é só um número. É um problema de complexidade computacional. Cada novo dígito exigido dobra,triplica ou piora o esforço. Antes dos computadores eletrônicos, o recorde era dele. Em 1949, George Reitwiesner calculou 2037 dígitos na ENIAC em 70 horas de máquina. Hoje, empresas como a Google e a HyperPi calculam bilhões de dígitos usando algoritmos como o Borwein e o Chudnovsky, que convergem muito mais rápido. A série de Chudnovsky, usada no cálculo recorde de 2024 (cerca de 100 trilhões de dígitos), é baseada em identidades modulares da teoria dos números e produz cerca de 14 dígitos novos por iteração. Isso transforma um problema de semanas em um problema de dias.
👉 Clique no botão abaixo para saber mais sobre o assunto!
O que esse número tem a ver com o seu dia a dia
Nada, se você é encanador. Tudo, se trabalha com anything que envolva ondas, sinais, mecânica orbital ou processamento de imagem. A transformada de Fourier, por exemplo, carrega pi no núcleo da equação. Se você erra o valor de pi num software de DSP, o sinal reconstruído sai distorcido. Não é um erro grande. Mas é erro. E em sistemas de comunicação, um erro pequeno em pi pode significarpacket loss, latência aumenta, tudo porque alguém hardcodou 3.14 em vez de usar a constante completa da biblioteca. Também tem o lado financeiro. Sistemas de precificação de opções que usam o modelo Black-Scholes dependem da função erro, que por sua vez depende de pi. Um truncamento de 10 casas decimais aqui pode gerar discrepâncias de centavos por contrato. Em escala, vira dinheiro.
Pitfalls que eu já vi acontecerem
O primeiro é confiar na precisão padrão do floating-point. Um double tem 53 bits de mantissa, o que dá cerca de 15-16 dígitos decimais confiáveis. Pi impresso em double é 3.141592653589793. Se o seu código precisa de mais que isso, double não serve. Aí você migra para quadruplo (float128) ou para bibliotecas de precisão arbitrária como a GMP ou a MPFR. Não tem jeito. Esse é um erro clássico de quem tá começando em simulação científica: confia no float e descobre o problema só quando os resultados não batem. O segundo é achar que todo problema que envolve círculo precisa de pi. Às vezes, pi aparece na fórmula mas se cancela depois. Se você está calculando a razão entre duas áreas de círculos, por exemplo, pi divide tanto o numerador quanto o denominador. Não precisa calcular pi de jeito nenhum. Já vi engenheiros estruturais gastarem tempo computando raízes quadradas e arcos tangentes quando uma proporção geométrica básica resolve o problema sem nenhuma menção a pi. Identificar essas situações economiza processamento e elimina fontes de erro numérico.
Como a história desse número reflete a história da matemática aplicada
A busca por mais dígitos de pi foi, durante séculos, um termômetro do poder computacional de cada civilização. China, Índia, Arábia, Europa — todos tiveram seus momentose de pi. O matemático indiano Srinivasa Ramanujan criou fórmulas em 1914 que eram tão avançadas que só foram compreendidas plenamente décadas depois. Uma delas gera 8 dígitos novos por iteração. Não foi até os anos 1980 que os computadores ficaram rápidos o bastante para explorar essas fórmulas na prática. O recorde atual de dígitos calculados é de 2024, com pouco mais de 100 trilhões de casas decimais, usando um cluster de servidores e o algoritmo de Chudnovsky. O tempo gasto foi da ordem de alguns meses. Antes disso, em 2019, Yoshinori Takahashi chegou a 31,4 trilhões de dígitos. A diferença entre um recorde e outro não é mais sobre inteligência matemática — é sobre hardware e otimização de memória. Pi já não é um desafio teórico. É um benchmark de infraestrutura.
Isso é interessante porque mostra algo que a maioria dos livros didáticos esconde: a história do número pi é, na verdade, a história da relação entre o homem e a máquina. Desde cordas e tábuas de argila até clusters de GPU, cada avanço tecnológico teve um momento em que pi foi o primeiro problema testado. Se você consegue calcular pi com precisão, consegue calcular tudo o que vem depois.
