Escolar Documentos
Profissional Documentos
Cultura Documentos
Introdu
c
ao
Uma forma de trabalhar com uma funcao denida por uma tabela de valores e a interpolacao
polinomial. Entretanto esta nao e aconselhavel quando:
1. e preciso obter um valor aproximado da funcao em algum ponto fora do intervalo de tabelamento, ou seja, quando se quer extrapolar;
2. os valores tabelados s
ao resultado de algum experimento fsico ou de alguma pesquisa,
porque, nestes casos, estes valores podem conter erros inerentes que, em geral, nao sao
previsveis.
Surge, ent
ao, a necessidade de se ajustar a estas funcoes tabeladas uma funcao que seja uma
boa aproximacao para os valores tabelados e que permita extrapolar com certa margem de
seguranca.
Exemplo 8.1 Considere um teste de desempenho de um autom
ovel. Este e acelerado a partir do
repouso e depois viaja com acelerac
ao m
axima ate que sua velocidade atinja 100km/h. Enquanto
isto, as leituras no velocmetro s
ao realizadas a cada 1s. Quando a velocidade e gracada como
func
ao do tempo, obtem-se um conjunto de pontos. Seria esperado que estes pontos denissem
uma curva suave. No entanto, erros de medida e outros fatores fazem com que os pontos n
ao
quem t
ao bem arranjados: alguns dos valores registrados para a velocidade cam muito altos e
outros, muito baixos.
Supondo que se desejasse determinar a velocidade aos 6, 5s, seria possvel interpolar entre as
leituras feitas aos 6s e 7s, mas como provavelmente existe algum erro nestas medidas, o valor
assim obtido poderia n
ao ser uma boa aproximac
ao para o valor desejado. O que fazer?
A solucao para o problema e tentar ajustar uma prov
avel curva ao conjunto de dados. Como
e possvel que v
arios destes dados n
ao sejam precisos, esta curva n
ao precisa, necessariamente,
passar por nenhum dos pontos. Por outro lado, como os erros de medida provavelmente n
ao sao
t
ao grandes, a curva deveria pelo menos passar perto de cada ponto: provavelmente acima de uns
e abaixo de outros. Na verdade, ao inves de procurar a funcao f que passa por cada um dos dados
experimentais, calcula-se a funcao que melhor se ajusta a eles.
Exemplo 8.2 Suponha que os dados abaixo temperatura T a cada perodo de tempo t foram
obtidos em um experimento num laborat
orio:
t
T
1
2
3
4
5
15, 0 28, 4 45, 3 58, 6 77, 4
e o gr
aco exibido na gura 8.2 sugere que esses dados podem ser aproximados razoavelmente bem
por uma reta. Assim, se for necess
ario saber o valor de T no tempo t = 1, 5, podemos obter a
146
Introduca
o ao C
alculo Numerico
Figura 8.1: Gr
aco v t, com erros nas medidas de v.
147
Introduca
o ao C
alculo Numerico
8.2
n
ri2 (x) =
i=0
n
(8.3)
M
= 0,
am
(8.4)
i=0
e preciso que
M
=0
a1
M
=0
a0
...
Por outro lado, certamente existem processos naturais que tem um comportamento exponencial,
possvel, para um conjunto de dados experimentais,
potencial e quadr
atico, dentro outros. E
calcular o qu
ao boa e uma determinada aproximacao, escolhida previamente. A seguir, veremos
como determinar os coecientes de uma determinada funcao de ajuste.
8.3
Ajuste linear
Neste caso, determina-se os parametros a0 e a1 da reta a0 +a1 x de modo que a soma dos quadrados
em cada ponto seja mnima. Em outras palavras, deseja-se determinar a0 e a1 que minimizem
M (a0 , a1 ) =
n
ri2 (x) =
i=0
n
(yi a0 a1 xi )2
(8.5)
i=0
= 0
= 0
(8.6)
(8.7)
148
Introduca
o ao C
alculo Numerico
ou seja, que
M
a0
M
a1
2
2
n
i=0
n
(yi a0 a1 xi ) (1) = 0
(8.8)
(yi a0 a1 xi ) (xi ) = 0
(8.9)
i=0
(8.10)
(8.11)
0
0
1
1
2
1
3
4
4
4
8.4
1
11
x
10
5
Ajuste polinomial
Pode-se estender o conceito de ajustamento de uma reta por mnimos quadrados para o caso geral
omio
de um polin
omio de grau p. Neste caso, determina-se os par
ametros a0 , a1 , . . . , ap do polin
a0 + a1 x + . . . + ap xp que minimizem
M (a0 , a1 , . . . , ap ) =
n
i=0
ri2 (x) =
n
(yi a0 a1 xi . . . ap xp )2
(8.12)
i=0
x
n+1
n
ni=0 2i
i=0 xi
i=0 xi
..
..
.
.
n
n
p
p+1
i=0 xi
i=0 xi
n
...
xpi
ni=0 p+1
...
i=0 xi
..
..
.
.
n
2p
...
i=0 xi
a0
a1
..
.
ap
(8.13)
n
n i=0 yi
i=0 xi yi
..
n . p
i=0 xi yi
(8.14)
149
Introduca
o ao C
alculo Numerico
2
0, 01
1
0, 51
0
0, 82
1
0, 88
2
0, 81
3
0, 49
3, 50
6 3 19
a0
3 19 27 a1 = 3, 48
a2
9, 00
19 27 115
A soluc
ao deste sistema indica que a par
abola que melhor se ajusta a este conjunto de dados e
g(x) = 0, 102 x2 + 0, 201 x + 0, 806.
8.5
O metodo dos mnimos quadrados pode ser empregado tambem aproximar uma funcao f por uma
funcao g de uma famlia n
ao linear nos par
ametros. Exemplos destas funcoes sao as exponenciais,
hiperb
olicas e racionais, entre outras, como veremos a seguir.
8.5.1
(8.15)
X = x,
a0 = ln c,
a1 = a
(8.16)
(8.17)
Sendo assim, pode-se aplicar o mesmo metodo utilizado para o ajustamento de uma reta aos
dados transformados {(Xi , Yi )} = {(xi , ln yi )}. Os coecientes a0 e a1 sao encontrados pela solucao
do sistema
n
n
(n + 1) i=0 xi
a0
ln yi
i=0
=
(8.18)
n
n
n
2
a1
i=0 xi
i=0 xi
i=0 xi ln yi
de forma que c = ea0 e a = a1 determinam a funcao de ajustamento.
Exemplo 8.5 Ajuste os dados da tabela a uma func
ao exponencial.
x
y
0
3
0, 5
4
1
6
1, 5
9
2
12
2, 5
17
3
24
3, 5
33
4
48
150
Introduca
o ao C
alculo Numerico
8.5.2
8.5.3
Neste caso, y =
1
a0 +a1 x .
8.5.4
x
y
(n + 1)
n
i=0 xi
ni=0 x2i
i=0 xi
8.5.6
1
yi
xi
yi
x
a0 +a1 x
= a0 + a1 x e o sistema
n
n
a0
ni=0 x2i
= ni=0
x
a
1
i
i=0
i=0
8.5.5
(n + 1)
n
i=0 xi
1
y
1
y
xi
yi
x2i
yi
(8.20)
1
a0 +a1 x+a2 x2
n
ni=0 x2i
xi
i=0
n
3
i=0 xi
n 1
n
i=0 yi
x2i
a0
i=0
n xi
n
3
x
a
=
i=0 y
1
i
i=0
n x2ii
n
4
a2
i=0 xi
(8.21)
i=0 yi
n
n
n
(n + 1) i=0 xi i=0 x2i
a0
i=0 ln yi
n
n
8.6
Uma vez conhecidas as diferentes formas de regressao, podemos nos indagar: para um determinado
conjunto de dados experimentais, qual e a melhor forma?
Essa pergunta pode ser respondida se considerarmos algumas medidas dos erros envolvidos nas
regressoes, essencialmente comparando o quao distante um valor experimental fi esta do valor yi
calculado atraves da equacao para as diferentes regress
oes. Basicamente, podemos considerar tres
medidas diferentes:
Erro relativo: Seleciona-se a regressao que tiver o menor erro relativo m
aximo,
m
e = max
i=1
| fi yi |
| fi |
(8.23)
151
Introduca
o ao C
alculo Numerico
(yi
y)
m1
D=
(8.25)
1
2
3
4
5
15, 0 28, 4 45, 3 58, 6 77, 4
1
13, 9
15, 0
14, 7
17, 4
2
29, 4
28, 9
29, 6
26, 0
3
44, 9
43, 9
44, 7
38, 8
4
60, 4
59, 9
59, 9
57, 9
5
75, 9
77, 0
75, 2
86, 4
e
0, 0707
0, 0307
0, 0434
0, 1597
t
0, 6898
0, 7127
0, 6771
0, 9079
D
0, 2727
0, 2729
0, 2669
0, 3045
Analisando a tabela acima, vemos que, se o criterio escolhido fosse o erro relativo e, deveramos
escolher a regress
ao quadr
atica, com coecientes
a0 = 2, 04,
a1 = 12, 4143,
a2 = 0, 5143;
a1 = 1, 0160
1
2
3
4
5
2, 7183 7, 3891 20, 0855 54, 5982 148, 4132
152
Introduca
o ao C
alculo Numerico
1
2
3
21, 1 12, 8 46, 6
7, 5 1, 5 18, 1
2, 0 10, 6 28, 3
2, 7
7, 4 20, 1
4
5
80, 5 114, 4
66, 2 142, 9
56, 7 97, 4
54, 6 148, 4
e
1, 5745
1, 7618
0, 4331
0, 0000
t
1, 4519
2, 0648
1, 4977
2, 1820
D
0, 5739
0, 6415
0, 4973
0, 6476
Analisando a tabela, vemos que, se o criterio escolhido fosse o erro relativo e, deveramos
escolher a regress
ao exponencial, com coecientes
a0 = 1, 0,
a1 = 2, 7183
o que e
obvio, pois os valores tabulados representam justamente fi = exi . Se, no entanto,
utiliz
assemos como medida o desvio relativo em relac
ao `
a media, t, escolheramos a regress
ao
linear, com
a0 = 54, 9388, a1 = 33, 8599
que certamente n
ao seria uma boa escolha; nalmente, escolhendo o coeciente de variac
ao da
amostra, a regress
ao potencial seria escolhida, com
a0 = 1, 9785,
a1 = 2, 4216
2
1
0
1
2
8, 0064 2, 6319 0, 2337 2, 1888 8, 3132
153
Introduca
o ao C
alculo Numerico
1
2
3
4
5
4, 2 4, 3 4, 3 4, 3 4, 3
8, 2 2, 3 0, 4 2, 3 8, 2
2, 5 2, 5 2, 5 2, 4 2, 4
e
t
D
17, 2885 0, 0080 0, 0032
0, 5724 0, 9220 0, 4275
9, 5135 0, 0219 0, 0086
Analisando a tabela, vemos que, se o criterio escolhido fosse o erro relativo e, deveramos
escolher a regress
ao quadr
atica, com coecientes
a0 = 0, 3675,
a1 = 0, 0171,
a2 = 1, 9536;
j
a para as outras duas medidas, a regress
ao escolhida seria a linear, com
a0 = 4, 2748,
a1 = 0, 0171
Analisando-se o gr
aco na gura (8.5), observa-se que a regress
ao quadr
atica e melhor, evidentemente.
Os exemplos aqui apresentados mostram que o ajuste de dados experimentais e um processo
numerico que deve ser usado tomando-se cuidado ao se selecionar uma dada regressao, se possvel
fazendo-se o graco dos dados experimentais e da curva de regress
ao.
8.7
Mesmo no caso em que a forma analtica da funcao f e conhecida, `as vezes e de interesse aproximala no intervalo I = [xI , xF ] por uma funcao g da famlia
m
ak gk (x)
(8.26)
k=0
154
Introduca
o ao C
alculo Numerico
Famlia de fun
c
oes
Condi
c
oes
Reta - y = a0 + a1 x
f [xi+1 , xi ] const.
Par
abola - y = a0 + a1 x + a2 x2
Funcao exponencial - y = c ea x
ln yi
const.
xi
Funcao potencia - y = a xb
ln yi
const.
ln xi
1
yi
const.
xi
1
Funcao hiperb
olica - y =
a0 + a1 x
Funcao do tipo y =
xi
yi
const.
xi
x
a0 + a1 x
1
Funcao do tipo y =
a0 + a1 x + a2 x2
1
1
yi+1
yi
const.
xi+2 xi
ln yi+1 ln yi
const.
xi+2 xi
155
Introduca
o ao C
alculo Numerico
` vezes, por exemplo, tem-se uma funcao com descontinuidades, mas quermais conveniente. As
se trabalhar com uma funcao contnua. A primeira vista, seria possvel recair no caso discreto
tabelando a funcao dada em alguns pontos; entretanto, isto pode causar perda de informacao sobre
o comportamento do erro.
Ao se considerar a soma dos quadrados dos resduos em todos os pontos do intervalo [xI , xF ],
tem-se, no limite, a integral do quadrado do resduo em cada ponto do intervalo em que se quer
aproximar a funcao dada. Geometricamente, isto representa a area entre as curvas f (x) e g(x).
Assim, e necessario determinar a0 , a1 , . . . , am que minimizam
xF
M (a0 , a1 , . . . , am ) =
r2 (x) dx
x
xI F
=
(f (x) g(x))2 dx
x
xI F
(f (x) a0 g0 (x) a1 g1 (x) . . . am gm (x))2 dx
(8.27)
=
xI
xF
f (x)
xI
2
m
ak gk (x)
gl (x) dx = 0
0 l m.
(8.28)
k=0
Usando a denicao de produto escalar de duas funcoes w(x) e q(x) no intervalo [xI , xF ] como
xF
< w, q >=
w(x) q(x) dx
xI
..
..
.
.
< gm , g0 >
. . . < g0 , gm >
a0
< g0 , f >
. . . < g1 , gm >
a1 < g 1 , f >
.. =
..
..
..
.
.
.
.
< gm , g1 > . . . < gm , gm >
< gm , f >
am
(8.29)
g1 (x) = x
f (x) = ex
156
Introduca
o ao C
alculo Numerico
Como
< 1, 1 > =
1 dx = 1
0
x dx =
< 1, x > =
0
< x, x > =
0
< 1, ex > =
< x, ex > =
1
2
x2 dx =
1
3
ex dx = e 1
x ex dx = 1
tem-se
1
2 a0
e1
a1 =
1
1
1
2 3
A soluca
o a0 = 4 e 10 e a1 = 18 6 e determina a func
ao aproximadora g(x) = 4 e 10 +
(18 6 e) x.
8.7.1
Polin
omios ortogonais
ak gk (x)
(8.30)
k=0
pelo metodo dos mnimos quadrados, e necessario resolver um sistema linear de equacoes denominado sistema normal. Se um conjunto de funcoes {gk }, k = 0, 1, . . . , m tais que
k
= l,
< gk , gl >= 0
0 k, l m
(8.31)
para
k
= l
(8.33)
< pk , pk >
>
para
k = 0, 1, . . .
(8.34)
(8.35)
157
Introduca
o ao C
alculo Numerico
Sendo assim,
p0 (x)
p1 (x)
=
=
1 x0 = 1
1 x1 + c0 x0 = x + c0
p2 (x)
1 x2 + d1 x1 + d0 x0 = x2 + d1 x + d0
< pk , f >
< pk , pk >
Logo,
a0
< 1, e >
= 0
< 1, 1 >
0
a1
a2
ex dx
=e1
dx
1
e
x
dx
< x 12 , ex >
2
0
= 6 (3 e)
=
2
1
< x 12 , x 12 >
1
dx
x
2
0
1
1
x
2
e
x
+
x
dx
< x2 x + 16 , ex >
6
0
= 30 (7 e 19)
=
2
1
< x2 x + 16 , x2 x + 16 >
1
2
dx
x x+
6
0
Portanto,
1
1
2
g(x) = (e 1) + 6 (3 e) x
+ 30 (7 e 19) x x +
2
6
Um exemplo importante de uma famlia de polin
omios ortogonais e a dos polin
omios de Legendre, que obedecem `a seguinte denicao:
1
pn (x) pm (x) dx
(8.36)
< pn , pm > =
1
se
m
= n
2
2n+ 1
se
m=n
(8.37)
158
Introduca
o ao C
alculo Numerico
p1 (x) = x,
p2 (x) =
1
(3 x2 1)
2
(8.38)
(x + 1)
2
Nestas condic
oes,
f (t(x)) = sen t(x) = sen
(x + 1) = F (x).
2
A par
abola que se quer obter pelo metodo dos mnimos quadrados e
G(x) + a0 1 + a1 x + a2
1
(3 x2 1)
2
Como os polin
omios de Legendre s
ao ortogonais, emprega-se (8.32) para determinar os coecientes
abola:
a0 , a1 e a2 da par
a0
a1
a2
<
<
<
<
<
<
F, p0
p0 , p0
F, p1
p1 , p1
F, p2
p2 , p2
2
>
=
>
>
=0
>
10
>
12
=
1 2
>
Desta forma,
G(x) =
10
2
12 1
+
(3 x2 1)
1 2
para
x [1, 1]
t 1, obtem-
que e a func
ao aproximadora desejada.
8.8
Exerccios
Exerccio 8.1 Utilize o metodo dos mnimos quadrados para encontrar a reta que melhor se ajusta
aos pontos da tabela.
159
Introduca
o ao C
alculo Numerico
x
y
0
9
1
7
2
5
3
4
4
3
5
0
6
1
7, 5
1409
10, 9
1276
14, 0
1175
15, 0
1148
16, 0
1121
18, 0
1069
21, 0
990
Exerccio 8.6 Admita que a venda de peixes de um determinado mercado seja conforme a tabela
dia
n
umero de peixes
1
70
5
30
10
55
15
25
Determine a func
ao que melhor se ajusta aos dados.
Exerccio 8.7 Ajuste os dados da tabela utilizando
1. uma func
ao exponencial;
2. uma func
ao potencia.
x
y
1
0, 6
2
1, 9
3
4, 3
4
7, 6
5
12, 6
Depois, utilize o criterio dos mnimos quadrados para determinar qual das curvas, (1) ou (2),
e melhor.
Exerccio 8.8 Considere a incidencia de c
ancer, problemas cardacos e complicac
oes respirat
orias
em pacientes, conforme a idade, mostrados na tabela (por mil habitantes).
idade
5
15
25
35
45
55
65
incidencia
de c
ancer
0
0
1
3
6
12
30
problemas
cardacos
0
1
5
12
30
79
140
complicac
oes
respirat
orias
1
3
5
7
10
12
14
Identique as func
oes que melhor se ajustam aos problemas indicados conforme a idade.
Exerccio 8.9 Encontre a constante de acelerac
ao da gravidade g para o seguinte conjunto de
dados:
t
x
0, 200
0, 1960
0, 400
0, 7835
0, 600
1, 7630
0, 800
3, 1345
1, 000
4, 8975
160