1

Equation Section 1
Departamento de Fsica
Universidade da Madeira


RESUMO DO
AUXILIAR DO ALUNO
DO 1 ANO DO
CURSO DE FSICA

Rui M. S. Almeida
Antnio M. R. Pires
J. Gabriel L. Gomes


Agradecimentos
Os autores desejam agradecer, pela sua valiosa e sempre pronta ajuda, tanto na reviso do texto como na
participao de algumas discusses acerca da forma (e por vezes do contedo) deste trabalho, aos colegas:
Prof. Dr. Mikhail Benilov e Dr. Mrio Cunha do Dpto. de Fsica; Prof. Dr. Margarida Faria e Dr.s Sandra
Mendona e Maribel Gonalves do Dpto. de Matemtica.
Captulo 1 - Relatrio de um trabalho experimental

1.1 Introduo
O relatrio de uma experincia deve ser claro, conciso e detalhado. Ou seja, deve indicar todos os pormenores
relevantes do trabalho, sem, no entanto, o tornar confuso de ler. Deve-se partir do princpio que a pessoa que
o vai ler no sabe nada acerca da experincia em causa, e que ao ler o relatrio ficara a compreender o que foi
feito, como foi feito e porqu.
A seguir apresenta-se de forma esquemtica tudo o que deve vir num relatrio de uma experincia, e como
deve vir. Bem entendido, esta forma de apresentar um relatrio no deve ser entendida como nica, mas sim
como guia geral de elaborao de um relatrio. O aluno dever ser capaz (se no a principio, pelo menos ao
fim de algum tempo) de adaptar esta forma experincia particular em causa.

1.2 Forma de um relatrio

Primeira Pgina
1. Ttulo - Identificao do trabalho realizado
2. Autor(es): Nome(s), Nmero(s) e Turma
3. Data de realizao do trabalho

Pginas Seguintes
4. Sumrio
Descrio muito sucinta do trabalho. Deve indicar os objectivos que se pretendem alcanar, o mtodo seguido
para os atingir, e os resultados obtidos. No deve ocupar mais de meia pgina.

5. Breve Introduo Terica
Desenvolvimento simples da teoria subjacente ao trabalho. Deve indicar as equaes e os princpios fsicos em
que se baseia a experincia. No necessrio deduzir as equaes apresentadas desde que venham explicadas
com detalhe suficiente, ou seja, tem que identificar todas as grandezas intervenientes numa equao, bem
como as unidades em que vm expressas. No deve ser simplesmente copiado de um pgina da Internet.

6. Mtodo Experimental
Descrio detalhada do mtodo seguido ao longo da experincia para a sua realizao. Este captulo pode
dividir-se em vrios sub-captulos.
3
6.1 Esquema da montagem
Sempre que possvel deve ser includo um esquema da montagem utilizada, com uma legenda elucidativa. Este
esquema deve indicar unicamente os aspectos essenciais da montagem, sem se perder em pormenores inteis.
6.2 Material utilizado
Devem indicar todo o material utilizado (se o no fizeram na alnea anterior!).
6.3 Formulas utilizadas
Todas as frmulas utilizadas nos clculos devem vir aqui indicadas, com a respectiva legenda, excepto no caso
de virem mencionadas no ponto 5.
6.4 Procedimento utilizado
Desenvolvimento detalhado de todos os passos efectuados pelos alunos durante a experincia.

7. Resultados Experimentais

7.1 Dados experimentais
Apresentao dos resultados obtidos directamente da experincia, sob a forma de tabelas e/ou grficos, com
os respectivos erros e unidades. No caso de um conjunto extenso de resultados (i.e. mais de uma pgina), as
respectivas tabelas e/ou grficos devem ser remetidas para o fim do relatrio, em apndices.

7.2 Clculos efectuados
Aplicao das formulas indicadas em 6.3 (ou 5.) aos dados da experincia indicados na alnea anterior. No
necessrio apresentar os clculos intermdios. Os resultados dos clculos devem ser apresentados em unidades
do S.I., sempre que possvel.

7.3 Clculo do erro
Deve-se sempre calcular o erro dos resultados do trabalho. O mtodo de clculo explicado no captulo 3.

7.4 Resultado final
Deve ser apresentado, com destaque, o resultado final da experincia, com o respectivo erro e unidades. Por
exemplo:
Resultado Final = (Resultado Erro) S.I.

Caso o resultado corresponda a uma grandeza comparvel, por exemplo uma constante universal, ou caso
tenha medido a mesma grandeza por dois mtodos distintos, dever apresentar esses dois valores lado a lado,
de modo a facilitar a comparao.

4
8. Discusso e Concluses
Esta a parte mais importante de todo o relatrio. E aqui que devem apresentar as vossas prprias concluses
acerca do trabalho realizado e dos objectivos, alcanados ou no, bem como a discusso do mtodo;
comentando as comparaes com valores conhecidos (quando for possvel), discutindo mtodos alternativos,
apresentando sugestes para melhoria do trabalho, e respondendo a questes pertinentes que, eventualmente,
surgiro no decorrer da experincia, ou vos sero postas pelo professor (para alm das que aparecem nos
guies que acompanham cada trabalho).

9. Bibliografia
Devem sempre apresentar toda a bibliografia que consultaram. No aceitvel utilizarem apenas os
protocolos das experincias, nem muito menos apresentarem endereos genricos da Internet, tais como
http://www.google.com ou http://www.sapo.pt. As referncias devem ser apresentadas na forma:
[Referencia] Autor(es), Titulo da publicao, Editora, n da edio, local e ano de publicao.
[Referencia] http://www.endereo.edu Ttulo da pgina, data de consulta.

Captulo 2 - Derivadas Parciais
Equation Section (Next)
Para o clculo dos erros das experincias muitas vezes necessrio recorrer ao clculo de derivadas parciais,
por esse motivo apresenta-se aqui uma pequena reviso desses conceitos.
Pressupem-se que o aluno j tem os conhecimentos bsicos do estudo de funes reais de varivel real, e
sabe como calcular a derivada de uma funo de uma varivel.

2.1 Introduo
Vamos denotar a derivada de uma funo (f na notao de Lagrange) de uma varivel (x), da forma
df
dx

(notao de Leibnitz). No caso da varivel ser o tempo (t) costume, em Fsica, utilizar a notao
df
f
dt
=


(notao de Newton) para designar a primeira derivada, f

para a segunda derivada, e por ai adiante...

Exemplo 1 Consideremos a funo
2
( ) 2 3 f x x x = +
Neste caso a derivada de f(x) dada simplesmente por (verificar)
'( ) 2 6
df
f x x
dx
= +
5
Esta funo era fcil de derivar porque dependia directamente da varivel x. No exemplo seguinte vamos
considerar uma funo real de uma varivel, mas agora a dependncia nessa varivel j no directa.

Exemplo 2 Consideremos a funo ( ) sin( )
b
f x ax =
sendo a e b duas constantes arbitrrias reais ( , a b ). Agora a derivada fica (verificar)
(sin( )) ( )
( )
b b
b
df d ax d ax
dx d ax dx
=
1
cos( ) ( )
b b
ax b ax

=

1
cos( )
b b
abx ax

= (2.1)

Estes exemplos foram sobre funes reais de uma varivel. Mas, como calcular a derivada de uma funo de
mais do que uma varivel? isto que se pretende estudar a seguir.

2.2 Derivadas de funes de N variveis
Suponhamos que temos uma funo real de n variveis f(x1,...,xn), com n . Se quisermos calcular a derivada
desta funo, primeiro temos que definir a varivel em ordem a qual queremos derivar. Por outras palavras,
temos que dizer qual das variveis x1, x2,...,xi,...,xn a que queremos para calcular a derivada. Em seguida
derivamos a funo como se fosse uma funo de uma s varivel (exactamente aquela qual queremos
derivar), considerando todas as outras variveis como constantes. A notao utilizada semelhante da
derivada total, mas em vez de
df
dx
utilizamos o smbolo para indicar que uma derivada parcial
f
x

.

Exemplo 3 Consideremos a funo real de duas variveis f(x, y) = 2xy + x
2
y. Queremos calcular a derivada da funo f em
ordem varivel x, por exemplo. Fica ento (verificar),

( , )
2 2
f x y
y xy
x

= +

(2.2)
Mas suponhamos que eu tenho a mesma funo e quero calcular a derivada em ordem a varivel y. Ento fao,

2
( , )
2
f x y
x x
y

= +

(2.3)
No caso de querermos calcular a derivada de segunda ordem, ou de uma ordem n qualquer, procedemos
exactamente da mesma forma. Temos sempre que definir primeiro a varivel em ordem qual vamos derivar,
considerando todas as outras como constantes. Isto, mesmo que a varivel em ordem qual vamos calcular a
derivada de ordem n (n > 1) seja diferente da varivel anterior. Vamos tornar isto mais claro com o exemplo
seguinte.
6

Exemplo 4 Consideremos a funo definida no exemplo anterior f(x, y) = 2xy + x
2
y e vamos calcular todas as segundas
derivadas possveis,
1. Segunda derivada em ordem a x:
( )
2
2
( , ) ( , )
2 2 2
f x y f x y
x xy y
x x x x


= + =


(2.4)
2. Segunda derivada em ordem a y:

( )
2
2
2
( , ) ( , )
2 0
f x y f x y
x x
y y y y

= + =



(2.5)
3. Segunda derivada em ordem a x e a y:

( )
2
2
( , ) ( , )
2 2 2
f x y f x y
x x x
x y x y x

= + = +



(2.6)
4. Segunda derivada em ordem a y e a x:
( )
2
( , ) ( , )
2 2 2 2
f x y f x y
x xy x
y x y x y


= + = +


(2.7)

Como se v no exemplo anterior,
2 2
2 2
( , ) ( , ) f x y f x y
x y

como seria de esperar; no entanto,
2 2
( , ) ( , ) f x y f x y
x y y x

=

. Isto acontece sempre que a funo em causa contnua e definida em todo o seu
domnio, bem como as suas primeiras e segundas derivadas cruzadas. Isto prova-se pelo teorema de Schwarz.


Captulo 3 Teoria de Erros
Equation Section (Next)
3.1 Introduo
Em muitas experincias de laboratrio precisamos atribuir valores numricos a uma determinada grandeza,
isto , temos de realizar uma medio - medir comparar uma grandeza com outra da mesma espcie que
tomamos como padro. No suficiente atribuir um valor a uma determinada medio, necessrio conhecer
a sua validade. Para tal temos de definir o conceito de erro:
"O erro cometido na determinao do valor de uma grandeza o desvio entre o seu verdadeiro valor (indeterminado) e o valor
medido."
Podemos classificar os erros em dois grupos principais: erros aleatrios e erros sistemticos.
7
Os erros aleatrios so erros independentes das variveis envolvidas na experincia e como tal a distribuio
de valores medidos em torno do valor verdadeiro aleatria. Vejamos um exemplo:

Exemplo 5 A verdadeira posio de um ponto P no plano OXY dada pelo par de coordenadas (xP, yP). Fizeram-se diversas
medies da posio do ponto P (O mtodo usado no relevante), representadas graficamente por pontos que se distriburam em
torno da posio verdadeira, representada pelo smbolo x, de acordo com o grfico da figura 3.1. 0 valor mdio das posies
medidas est muito prximo do verdadeiro valor. Podemos concluir que a medio correcta apesar de imprecisa.

Figura 3.1 Distribuio aleatria de resultados em torno de um ponto.

Os erros sistemticos so aqueles que dependem dos parmetros da experincia. Por exemplo, se na
experincia do exemplo anterior a distribuio dos resultados fosse a que est representada no grfico da
figura 3.2 estaramos perante uma situao de um erro sistemtico. Como se pode ver na figura, o valor mdio
das posies medidas est relativamente longe do valor verdadeiro. O resultado da medio est incorrecto. A
disperso dos pontos experimentais em torno do valor mdio idntica dos pontos da experincia do
exemplo anterior, por isso podemos dizer que a incerteza associada a mesma. Na prtica, s podemos detectar
um erro sistemtico se conhecermos um valor aceite universalmente como sendo o verdadeiro valor.

Figura 3.2: Distribuio dos resultados afectados de um erro sistemtico.
8

Por enquanto vamos esquecer o erro sistemtico e concentrar-nos no erro aleatrio. A seco seguinte
descreve como feita a quantificao deste erro.

3.2 Determinao do erro aleatrio
Vamos supor que queremos determinar com bastante preciso o dimetro de um fio de ao utilizando um
micrmetro. Podemos ajustar melhor ou pior o micrmetro, a temperatura do fio altera-se com o seu
manuseamento, etc, logo se fizermos vrias medies (N), encontramos N resultados diferentes. Torna-se
intuitivo pensar que, se realizarmos 10 medies teremos maior probabilidade de chegar a um valor bastante
prximo do valor real do que se fizermos s uma medio!
E o que podemos fazer com essas N medies? Podemos tirar a mdia. A mdia x de um conjunto de valores
xi dada por:

1
1
N
i
i
x x
N
=
=

(3.1)
Na maioria dos casos este valor x uma boa estimativa do valor real da grandeza.
Consideremos agora, um conjunto de valores x1,...,xi,...,xN e a respectiva mdia x . Chama-se desvio de xi
relativamente mdia x ao valor
i
x definido por
=
i i
x x x (3.2)
Ao maior dos desvios dos xi chama-se limite superior do erro de observao
D
. Podemos dizer que o valor real
da grandeza x est compreendido entre x-D e x+D, mas se tivermos muitos pontos, podemos, mais
correctamente, calcular o desvio padro, que uma estimativa da disperso dos desvios e dado por.
( )
=
=

2
1
1
1
N
x i
i
x
N
(3.3)

3.3 Resoluo dos aparelhos de medida
Qualquer aparelho de medida tem as suas limitaes, por exemplo, faz pouco sentido usar uma rgua
graduada em milmetros para medir o tamanho de um tomo, porqu? A rgua s capaz de resolver
distncias de meio milmetro (quando a distancia menor que 0,5 mm dizemos que temos 0,0 mm; quando a
distncia est. entre 0,5 e 1,0 mm dizemos que temos 1,0 mm).
Por outras palavras, para escalas lineares o limite de resoluo do aparelho metade da menor diviso da
escala. Esta resoluo limite vulgarmente conhecida por erro do aparelho. Na verdade, para sermos
rigorosos, esta grandeza no um erro, mas sim uma incerteza inerente ao aparelho, a que chamaremos
resoluo do aparelho de medida.
9
Vejamos agora o caso de um aparelho que apresenta um nmero como resultado (por exemplo, um
multmetro digital).

Exemplo 6 Consideremos a figura 3.3. Apesar do aparelho s apresentar dois dgitos, podemos imaginar que h, por exemplo,
mais dois dgitos. Estes dgitos imaginrios esto representados com um fundo cinzento, na figura.

Figura 3.3: Mostrador digital de um multmetro
Como se pode verificar, 25 um valor arredondado do valor real, que neste caso pode estar entre 24,50 e 25,49. Devemos ento
concluir que a resoluo dos aparelhos digitais igual ao menor digito apresentado.

3.4.1 Erro experimental
J sabemos agora como quantificar o erro aleatrio e a resoluo do aparelho na medida de uma varivel.
Pretendemos descobrir o majorante do erro na determinao da varivel, por isso devemos escolher a maior
destas duas quantidades e esse ser o erro experimental.

3.4.2 E o erro sistemtico?
Acabamos uma aula de laboratrio, No protocolo diz-se que a varivel que medimos foi calculada
anteriormente, por outro mtodo muito mais preciso, e que o resultado foi T0 = -273,15 C. O resultado da
experincia foi T = -260,2 10,5 C. Temos aqui um erro sistemtico. O valor T0 no est dentro da margem
de erro de T. partida aceitamos trs hipteses possveis para este erro sistemtico: h falhas no
equipamento, houve engano por parte do operador do aparelho ou, em ltima instncia, a experincia que
produziu T0 ter de ser posta em causa! (No de esperar que esta ltima opo acontea nas aulas desta
cadeira!)

3.5 Medies directas e indirectas
Uma medio pode ser directa (resultado da leitura de um aparelho) ou indirecta (o seu valor depende de
outras medies).

10
Exemplo 7 Quero medir o volume de um cilindro. Posso proceder de dois modos.
1. Tendo uma proveta graduada em ml com gua at um determinado nvel (tornado como zero), pode medir-se por imerso o
volume do cilindro - medio directa.
2. Medindo com uma rgua a altura do cilindro, h, e o seu diametro, d, podemos obter o seu volume fazendo,
2
2
d
V h

=



esta determinao diz-se indirecta.

Quais so os erros destas medies? No caso das medies directas os erros so os erros experimentais
(discutidos em 3.4), no caso das medies indirectas necessrio saber como que os erros que ns medimos
afectam o resultado final, por outras palavras, saber como que os erros se propagam.

3.6 Medio indirecta - Propagao de erros para uma funo de n variveis
Suponhamos que eu tenho uma funo z de n variveis da forma, z = f(x1,x2,...,xn). possvel demonstrar que
o erro associado funo z dado por

2
1 2
1
( , , ..., )
n
n i
i i
f
f x x x x
x
=

(3.4)
Vamos considerar um exemplo, para tornar isto mais claro.

Exemplo 8 Voltemos ao clculo do volume do cilindro apresentado anteriormente. Suponhamos que medimos o dimetro, d,
com o respectivo erro d, e a altura, h, com o erro h. Qual o erro do volume?
Quais so as variveis presentes? d e h
Qual a funo z ? z =
2
2
d
V h

=



Ento


+


2 2
( , )
V V
V d h d h
d h
(3.5)

Captulo 4 - Algarismos Significativos
Equation Section (Next)
4.1 Introduo
medio de qualquer grandeza fsica est sempre associada uma incerteza. Essa incerteza resulta de dois
factores. Em primeiro lugar o instrumento de medida tem uma preciso limitada.
11

Exemplo 9 Consideremos uma rgua graduada em milmetros, que usada para medir a espessura de um alfinete. Como pensa
algum confrontado com esta medio? Bem o dimetro da agulha menor que metade da menor diviso, ento o dimetro medido
com esta rgua 0 mm. Caso o dimetro seja maior que metade da menor diviso e menor que uma diviso e meia, o resultado
ser 1 mm (ver figura 4.1).

Figura 4.1: Medio do dimetro de um alfinete com uma rgua graduada em mm.

Por vezes os alunos perguntam: porque que eu no posso dividir 1 mm em dois e dizer que o alfinete tem
0,5 mm? Comecemos por distinguir dois conceitos: medio e calibrao. Ao acrescentar uma diviso ao
aparelho de medida, eu estou a calibrar o aparelho e no a fazer uma medio! Depois da nova calibrao a
impreciso do aparelho foi alterada. Por outro lado, para fazer tal calibrao preciso que o aluno tenha outra
rgua com as divises de meio milmetro j feitas ou ento ter um objecto cujo comprimento se saiba ser de
0,5 mm. Em geral no laboratrio estas condies no so verificadas e por isso no se pode tentar fazer
extrapolaes visuais de fraces da menor diviso.
Em segundo lugar, geralmente no obtemos sempre o mesmo valor se uma experincia repetida vrias
vezes. Aqui entram em jogo vrios tipos de erros - acidentais, sistemticos e grosseiros. Seja qual for a origem,
o resultado uma distribuio de medies. A medida desta impreciso dada pelo erro padro da mdia.
No fim temos dois valores da incerteza da medida independentes. O erro associado medio ser, ento, o
maior dos dois valores. Uma vez estabelecido este facto podemos ento falar de algarismos significativos.

4.2 Grandezas medidas
Consideremos, por exemplo, o nmero 1234,567 que tem sete algarismos significativos. Como se pode ver, o
nmero de algarismos significativos no tem nada a ver com o nmero de casas decimais!
Um valor de uma grandeza obtido em laboratrio pode ser apresentado de forma implcita ou explicita. Por
exemplo, num pacote de leite o contedo de protena mdio presente em 100 ml de leite de 3,20g - est
representado na forma implcita. O que est implcito que o erro associado 0,005 g (sempre metade da
menor casa decimal do nmero apresentado). Na forma explcita o valor seria 3,20 0,005 g.
A pergunta que se impe ento: se todas as grandezas medidas para o leite vm representadas na forma
implcita, como que temos o mesmo erro medido para glcidos, protenas e lpidos? O que se faz na prtica
procurar um majorante do erro.
12
Num laboratrio queremos saber o verdadeiro erro experimental, caso contrrio pode passar-nos
despercebida a relao entre duas grandezas. Por isso importante que nos relatrios de laboratrio venham
as grandezas medidas na forma explcita.
Voltemos ao conceito de algarismos significativos. Se uma fora representada na forma explcita por
1600 50 N, quantos algarismos significativos temos? As casas das unidades e das dezenas so ocupadas por
algarismos desconhecidos dentro da restrio apresentada; o nmero de algarismos significativos ento dois.
Da mesma forma, o nmero 1234,5678 0,0004 tem sete algarismos significativos.
Numa experincia os resultados, por vezes, so calculados a partir de grandezas medidas. Cada uma das
grandezas medidas pode ter um nmero diferente de algarismos significativos. Aqui o aluno pergunta-se:
como que eu sei o nmero de algarismos significativos do resultado?

Para as operaes adio e subtraco deve ser aplicada a seguinte regra: Procure entre as parcelas aquela cujo
ltimo algarismo significativo ocupe a casa decimal mais elevada. Despreze os algarismos a direita dessa casa
decimal em todas as parcelas, de acordo com as regras de arredondamento.

Para a multiplicao e a diviso a regra a aplicar diferente: Procure entre os factores aquele cuja incerteza
relativa seja mais elevada. Pode-se desprezar algarismos em todos os outros nmeros at que a incerteza
relativa em todos os factores seja da mesma ordem de grandeza (mas menor que a incerteza do primeiro).

Exemplo 10 Temos uma adio entre vrias parcelas que inicialmente esta na forma:

0 nmero cujo ltimo algarismo significativo ocupa a casa decimal mais elevada 21,8?, por isso todos os outros nmeros so
arredondados de forma apropriada.
Assim, de acordo com a primeira regra, a soma dever ser feita da seguinte forma:

A adio dos algarismos das centsimas 8+? + 9 + 4, que d. um valor entre 21 e 30. Nesta situao, em vez de explorarmos
todas as possibilidades, o que se deve fazer somar apenas os algarismos conhecidos: 8 + 9 + 4 = 21. O algarismo
transportado para a casa decimal seguinte ento 2. Existem quatro algarismos significativos no resultado.
No caso da subtraco o critrio o mesmo.
13

passa a ser:

Consideremos agora um outro exemplo - multiplicao.

Exemplo 11 Vamos multiplicar dois nmeros reais, que conhecemos com uma dada preciso. Como ser o resultado?

0 nmero 1, 32? o que apresenta a maior incerteza relativa (que igual a 10
-2
/1,32 ~ 1%), por isso o nmero 3,141597
pode ser arredondado para 3, 14 (0 que implica um incerteza de 10
-2
/3,14 ~ 0,3%). Se continuasse a arredondar para 3,1? a
incerteza passaria para 10
-1
/3,1 ~ 3%. Esta incerteza relativa maior que a incerteza relativa de 1,32? por isso no
aceitvel. Fica ento

S falta agora ver um exemplo de diviso.

Exemplo 12 Consideremos, ento a diviso entre os dois nmeros reais 63,727 e 23,17:

0 nmero 23,1? o que apresenta a maior incerteza relativa (igual a 10
-1
/23,1 ~ 0,4%). Se o nmero 63,72? for arredondado
para 63,7? a sua incerteza relativa passa a ser 0,2%. A operao ser ento modificada, de acordo com a segunda regra, para:

14
Como que se sabe que a seguir ao 6 do resultado vem um algarismo desconhecido? Sabemos que 6 x 231 = 1386 logo 6 x 231
o maior mltiplo de 231 que menor que 14?? (7 x 231 = 1617). Logo, o 6 um algarismo significativo.
Seguindo o mesmo raciocnio para a prxima casa decimal do resultado procuramos o maior mltiplo de 231 que maior que
1??? Conclui-se que o resultado deve estar entre 2, 764 e 2,768 e que o algarismo das milsimas no significativo.

E relativamente ao erro? Nesse caso a regra esta: O erro deve ser apresentado com apenas 1 algarismo
significativo (no mximo 2 algarismos, caso o primeiro algarismo seja 1). O resultado deve ser arredondado de
acordo com o erro.

Exemplo 13 Vejamos alguns exemplos. Suponhamos que calculamos o resultado, e que este 4563,74 sendo o erro 3,35. O
erro deve ser apresentado s com 1 algarismo (neste caso 3), e resultado final deve ser: 4564 3. Outro exemplo, temos 0,02341
e o erro 0,00147, o erro pode ser apresentado s com 2 algarismo (porque o primeiro algarismo significativo 1), logo o erro
0,0015, e o resultado deve ser apresentado como 0,0234 0,0015.

Captulo 5 - Mtodo dos Mnimos Quadrados
Equation Section (Next)
5.1 Regresso Linear
Consideremos um conjunto de N valores experimentais (x, y), onde y uma funo linear de x. Por exemplo,
imagine que para uma dada resistncia mede vrios valores da tenso, V, em funo da corrente, I, que a
percorre. Se fizer o grfico de V em funo de I vai obter uma recta, cujo declive o valor da resistncia.
(Lembre-se da lei de Ohm, V = R*I). A questo : como determinar a recta que melhor se adapta a estes
dados experimentais? Essa recta ser definida pela equao
y ax b = + (5.1)
pelo que temos de definir um critrio que nos permita calcular os valores de a e b.
O mtodo mais utilizado para esse fim o mtodo dos (desvios) mnimos quadrados. Esse mtodo diz nos
que podemos calcular a e b utilizando as frmulas:

= = =

=

1 1 1
( )
N N N
i i i i
i i i
N x y x y
a (5.2)

= = = =

=

2
1 1 1 1
( ) ( )
N N N N
i i i i i
i i i i
x y x x y
b (5.3)

Em que se utilizou o parmetro auxiliar
= =

=



2
2
1 1
N N
i i
i i
N x x
15
Os desvios padro de a e de b so dados por:

2
a
N S
(5.4)

2 2
1
N
i
i
b
S x
(5.5)
Com
2
2 1
( )
2
N
i i
i
y b ax
S
N
=

=

Vamos considerar um exemplo para facilitar a compreenso.

Exemplo 14 No decorrer duma dada experincia, obtiveram-se os seguintes valores experimentais (apresentados nas colunas
esquerda). Com esses valores calculamos os valores das duas colunas centrais (apresentadas a sombrado), e todo os somatrios
(ltima linha da tabela).
Vi (V) Ii (A) xiyi (VA) xi
2
(A
2
) (yi-b-axi)
2
(V
2
)
1,10 1,00 1,10 1,00 0,00
1,90 2,00 3,80 4,00 0,01
3,10 3,00 9,30 9,00 0,01
3,90 4,00 15,60 16,00 0,00

10,00 10,00 29,80 30,00 0,03

Utilizando esses dados, e as equaes (5.4) e (5.5), obtemos:


= =

2
4 29, 80 10, 00 10, 00
0, 96
4 30, 00 (10, 00)
a


= =

2
30, 00 10, 00 10, 00 29, 80
0, 10 V
4 30, 00 (10, 00)
b
Mas agora falta calcular os erros de a e b. Para esse calculo, que s pode ser feito depois de sabermos a e b, preenchemos a coluna
da direita da tabela anterior.
Finalmente, os desvios padro so dados por (ver equaes (5.6) e (5.7)).
=
2 2
0, 03
V
2
S

4 0, 03
0, 05
20, 00 2
a

0, 03 30, 00
0, 15 V
20, 00 2
b

16
O aluno pode agora perguntar-se, mas eu no podia simplesmente dividir cada conjunto de valores V/I para
obter a resistncia e depois calcular a mdia?

No, porque esse mtodo no seria correcto! Porqu? Porque no se sabe partida se b = 0 ou no. (se b = 0
pode-se de facto fazer a diviso). Se b for diferente de 0, e regra geral , temos que utilizar obrigatoriamente o
M.M.Q., ou um mtodo equivalente.

De referir que muitas mquinas de calcular possuem programas que efectuam estes clculos. Os alunos devem
consultar o respectivo manual, para saberem como o podem utilizar. Ateno que necessrio calcular a e b e
a e b!

Finalmente, deve-se notar que quaisquer dados experimentais que se comportem de acordo com equaes do
tipo

1
n
y c x =
Ou

3
2
c x
y c e =
Podem ser manipulados de forma a se obter uma dependncia linear. Em seguida, pode-se aplicar o tipo de
ajuste aqui explicado.