Captulo 8

Ajuste de dados experimentais

8.1

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

Ajuste de dados experimentais

Figura 8.1: Gr
aco v t, com erros nas medidas de v.

Figura 8.2: Dados experimentais.

equac
ao da reta que melhor aproxima os pontos obtidos experimentalmente e, ent
ao, calcular o
valor de T de acordo com aquela reta.
A pergunta que surge e: dado um conjunto de dados, como fazer o ajuste? Ao aproximar uma
funcao f por uma funcao g de uma famlia G, e introduzido um certo erro r, denominado resduo,
isto e,
r(x) = f (x) g(x)
(8.1)


Aparentemente, uma boa aproximacao seria obtida fazendo x r(x) = 0. No entanto, isto
n
ao e verdade. Suponha que, em um certo experimento, foram obtidos os pontos p1 , p2 , p3 e
omeno e descrito por uma reta, esta e determinada de modo a satisfazer
p4 . Sabendo que o fen


r(x)
=
0.
Pode-se
observar
na gura abaixo que as retas que foram tracadas obedecem tal
x


criterio, o que mostra que x r(x) = 0 n
ao e uma boa escolha.
O problema enfrentado com este criterio e o cancelamento dos erros positivos com os negativos.
Uma maneira de evitar este cancelamento e trabalhar com o quadrado do resduo e exigir que


2
nimo. O metodo para aproximar uma funcao f por uma g G utilizando este
x r (x) seja m
u
ltimo criterio e denominado metodo dos mnimos quadrados.

A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha

147

Introduca
o ao C
alculo Numerico

Ajuste de dados experimentais

Figura 8.3: Qual a melhor aproximac

ao, nesse caso?

8.2

Mnimos quadrados - domnio discreto

Para aproximar uma funcao y = f (x) tabelada em n pontos distintos xi , i = 0, 1, 2, . . . , n, por

uma funcao g da forma
m

ak gk (x)
(8.2)
k=0

Precisa-se determinar a0 , a1 , . . . , am que minimizam a soma dos quadrados dos resduos

M (a0 , a1 , . . . , am )
nos pontos xi , i = 0, 1, 2, . . . , n. Para minimizar
M (a0 , a1 , . . . , am ) =

n


ri2 (x) =

i=0

n


(f (xi ) g(xi ))2

(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

Para isto, e necessario que

M
a0
M
a1

= 0

= 0

A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha

(8.6)
(8.7)

148

Introduca
o ao C
alculo Numerico

Ajuste de dados experimentais

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

Organizando estas condicoes, tem-se


n

n

n
yi
=
i=0 a0 + i=0

i=0

na1 xi 2
n
n
x
y
=
a
x
+
i=0 i i
i=0 0 i
i=0 a1 xi

(8.10)

e chega-se ao seguinte sistema linear:


n

 
n


n
1
x
y
a
i
0
i
i=0
i=0
i=0

n

n
=
n
2
a1
i=0 xi
i=0 xi
i=0 xi yi

(8.11)

denominado sistema normal. Resolvendo este sistema, sao obtidos os valores de a0 e de a1 , ou

seja, determina-se a equacao (reta, no caso) de ajustamento.
Exemplo 8.3 Como resultado de algum experimento, suponha que s
ao obtidos os seguintes valores
para a func
ao f :
x
f (x)

0
0

1
1

2
1

3
4

4
4

Determine a reta que melhor se ajusta a esta func

ao segundo o metodo dos mnimos quadrados.
O sistema normal correspondente e


 

5 10
a0
10
=
10 30
a1
31
que tem soluc
ao a0 = 1/5 e a1 = 11/10. Portanto, a reta que aproxima f (x) e
g(x) =

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

Para isto, e necessario que

M
M
M
=
= ... =
=0
a0
a1
ap
de onde se obtem o sistema

n

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)

Resolvendo este sistema, sao obtidos os valores de a0 , a1 , . . . , ap , ou seja, os coecientes do

polin
omio de grau p.
A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha

149

Introduca
o ao C
alculo Numerico

Ajuste de dados experimentais

Exemplo 8.4 Obtenha a express

ao da par
abola que se ajusta aos dados da tabela:
x
y

2
0, 01

1
0, 51

0
0, 82

1
0, 88

2
0, 81

3
0, 49

O sistema normal para o caso de uma par

abola (p = 2) e

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

Ajustamento por fun

c
oes n
ao lineares nos par
ametros
lineariza
c
ao

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

Ajustamento por uma fun

c
ao exponencial

A funcao y = c ea x pode ser linearizada tomando-se o logaritmo de ambos os lados. No nal,

obtem-se uma relacao linear entre as vari
aveis transformadas. O primeiro passo e
ln y = ln c + a x.

(8.15)

Agora, usando a mudanca de variaveis (e de constantes)

Y = ln y,

X = x,

a0 = ln c,

a1 = a

(8.16)

chega-se `a relacao linear entre as vari

aveis X e Y :
Y = a1 X + a0 ,

(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

O sistema linear para este caso e

 



22, 3378
9 18
a0
=
a1
55, 0903
18 51
e a sua soluc
ao e a0 = 1, 093337 e a1 = 0, 694319. Portanto, c = ea0 = 2, 984216 e a func
ao
exponencial procurada e y = 2, 984216 e0,694319.

A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha

150

Introduca
o ao C
alculo Numerico

8.5.2

Ajuste de dados experimentais

Ajustamento por uma fun

c
ao pot
encia

A funcao y = a xb pode ser linearizada tomando-se o logaritmo: ln y = ln a + b ln x. Com isto,

mediante a mudanca de variaveis Y = ln y, X = ln x, a0 = ln a e a1 = b, o sistema normal ca

 



n

n
ln yi
a0
+ 1)

(n

n i=0 ln xi 2
=
n i=0
(8.19)
n
a1
i=0 ln xi
i=0 (ln xi )
i=0 ln xi ln yi
Desta forma, os parametros sao a = ea0 e b = a1 .

8.5.3

Ajustamento por uma fun

c
ao hiperb
olica

Neste caso, y =

1
a0 +a1 x .

A linearizacao desta funcao resulta em



8.5.4

x
y

(n + 1)


n
i=0 xi

Neste caso, a linearizacao resulta

(n + 1)


n

ni=0 x2i
i=0 xi

8.5.6

1
yi
xi
yi

x
a0 +a1 x

= a0 + a1 x e o sistema obtido e dado por


 
n

n
a
x
i=0
i
0
i=0

n
=
n
2
x
a
1
i=0 i
i=0

Ajustamento por uma fun

c
ao do tipo y =

= a0 + a1 x e o sistema


 
n

n
a0

ni=0 x2i
=
ni=0
x
a
1
i
i=0
i=0

Ajustamento por uma fun

c
ao do tipo y =

Neste caso, a linearizacao e

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

= a0 + a1 x + a2 x2 e o sistema e dado por

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

Ajustamento por uma fun

c
ao do tipo y = a eb x+c x

A linearizacao e empregada da seguinte forma: Y = ln y, X = x, a0 = ln a, a1 = b e a2 = c. Sendo

assim, o sistema normal ca

n

n

n
(n + 1)
i=0 xi
i=0 x2i
a0
i=0 ln yi




n
n

x2i
ni=0 x3i a1 =
ni=0 xi ln yi

(8.22)

ni=0 x2i
i=0
n
n
n
3
4
2
x
x
x
a
x
ln
y
2
i
i=0 i
i=0 i
i=0 i
i=0 i

8.6

Escolha do melhor ajuste

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 |

A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha

(8.23)

151

Introduca
o ao C
alculo Numerico

Ajuste de dados experimentais

Desvio relativo em rela

c
ao `
a m
edia: Seleciona-se a regressao que tiver o menor desvio relativo em relacao `
a media,
|
m | yi y
t = max
(8.24)
i=1
| y |

m
onde y = m1 i=1 yi .
Coeficiente de varia
c
ao da amostra: Seleciona-se a regressao que apresentar o menor coeciente de variacao da amostra,

m
2
i=1

(yi
y)

m1

D=

(8.25)

importante notar que poder

E
a haver casos em que a escolha de uma ou outra medida favorecera
uma ou outra forma de regress
ao, conforme pode ser vericado nos exemplos que seguem.
Exemplo 8.6 Dada a tabela
x
f

1
2
3
4
5
15, 0 28, 4 45, 3 58, 6 77, 4

obtenha as quatro regress

oes linear, quadr
atica (polinomial), potencial e exponencial calculando
as medidas para escolha da melhor regress
ao.
Solu
c
ao: Calculadas as regress
oes, obtemos os seguintes valores para yi (arredondados para a
primeira casa decimal):
x
linear
quadr
atica
potencial
exponencial

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 os correspondentes valores das medidas

linear
quadr
atica
potencial
exponencial

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;

para as outras duas medidas, a regress

ao escolhida seria a potencial, com
a0 = 14, 6535,

a1 = 1, 0160

A gura (8.4) mostra que ambas as regress

oes, nesse caso, aproximam razoavelmente bem os
dados experimentais.
Exemplo 8.7 Suponha os dados experimentais dados por
x
f

1
2
3
4
5
2, 7183 7, 3891 20, 0855 54, 5982 148, 4132

Obtenha as quatro regress

oes linear, quadr
atica (polinomial), potencial e exponencial calculando
as medidas para escolha da melhor regress
ao.
A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha

152

Introduca
o ao C
alculo Numerico

Ajuste de dados experimentais

Figura 8.4: Regress

ao quadr
atica versus potencial.
Solu
c
ao: Calculadas as regress
oes, obtemos os seguintes valores para yi (arredondados para a
primeira casa decimal):
x
linear
quadr
atica
potencial
exponencial

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 os correspondentes valores das medidas

linear
quadr
atica
potencial
exponencial

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

Exemplo 8.8 Dada a tabela abaixo

x
f

2
1
0
1
2
8, 0064 2, 6319 0, 2337 2, 1888 8, 3132

A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha

153

Introduca
o ao C
alculo Numerico

Ajuste de dados experimentais

Figura 8.5: Regress

ao quadr
atica.
obtenha as quatro regress
oes linear, quadr
atica (polinomial), potencial e exponencial calculando
as medidas para escolha da melhor regress
ao.
Solu
c
ao: Calculadas as regress
oes, com excec
ao da potencial (a qual n
ao pode ser calculada sem
translaca
o devido `
a presenca de um valor nulo nos dados experimentais), obtemos os seguintes
valores para yi (arredondados para a primeira casa decimal):
x
linear
quadr
atica
exponencial

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 os correspondentes valores das medidas

linear
quadr
atica
exponencial

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

Mnimos quadrados - domnio contnuo

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

A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha

154

Introduca
o ao C
alculo Numerico

Ajuste de dados experimentais

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

f [xi+2 , xi+1 , xi ] const.

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

Funcao do tipo y = a eb x+c x

1
1

yi+1
yi
const.
xi+2 xi

ln yi+1 ln yi
const.
xi+2 xi

Tabela 8.1: Condic

oes necess
arias para se ajustar pontos.

A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha

155

Introduca
o ao C
alculo Numerico

Ajuste de dados experimentais

` 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

Como no caso discreto, o ponto de mnimo e atingido quando

M
M
M
=
= ... =
=0
a0
a1
am
ou seja,
M
= 2
al

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

tem-se que, no caso em que se quer

< g0 , g0 > < g0 , g1 >

< g1 , g0 > < g1 , g1 >

..
..

.
.
< gm , g0 >

aproximar f (x), o sistema normal ca

. . . < g0 , gm >
a0
< g0 , f >

. . . < g1 , gm >
a1 < g 1 , f >
.. =

..
..
..
.

.
.
.
< gm , g1 > . . . < gm , gm >
< gm , f >
am

(8.29)

Exemplo 8.9 Aproxime a func

ao exponencial ex no intervalo [0, 1] por uma reta utilizando o
metodo dos mnimos quadrados.
ao utilizada,
Neste caso, g(x) = a0 + a1 x. Com a notac
g0 (x) = 1
e o produto escalar,

g1 (x) = x


f (x) = ex

f (x) g(x) dx.

0

Portanto, determinar a0 e a1 pelo metodo dos mnimos quadrados e calcular a soluc

ao do
seguinte sistema normal:

 


< 1, ex >
< 1, 1 > < 1, x >
a0
.
=
< x, ex >
a1
< x, 1 > < x, x >

A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha

156

Introduca
o ao C
alculo Numerico

Ajuste de dados experimentais

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

Quando se aproxima uma funcao f por uma funcao g da famlia

m


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)

o sistema normal se torna diagonal e os coecientes ak da funcao aproximadora s

ao determinados
por
< gk , f >
,
0km
(8.32)
ak =
< gk , gk >
As funcoes que satisfazem a relacao (8.31) sao denominadas funcoes ortogonais. Um polin
omio
de grau k pode ser escrito na forma pk (x) = ck xk + ck1 xk1 + . . . + c1 x + c0 . Os polin
omios
ortogonais pk (x), k = 0, 1, . . . obedecem a`s seguintes relacoes:
< pk , pl >

para

k
= l

(8.33)

< pk , pk >

>

para

k = 0, 1, . . .

(8.34)
(8.35)

Exemplo 8.10 Construa os tres primeiros polin

omios ortogonais com relaca
o ao produto escalar
 1
< f, g >=
f (x) g(x) dx
0
x

e aproxime f (x) = e no intervalo [0, 1] por um polin

omio de grau 2. Para este caso, imponha a
condic
ao de que o coeciente do termo de mais alto grau de cada polin
omio seja igual a 1.

A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha

157

Introduca
o ao C
alculo Numerico

Ajuste de dados experimentais

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

A constante c0 e determinada impondo-se < p1 , p0 >= 0, ou seja,

 1
1
< p1 , p0 >=
(x + c0 ) 1 dx = + c0 = 0,
2
0
Portanto, como c0 = 21 , p1 (x) = x 12 .
As outras duas constantes, d1 e d0 s
ao determinadas fazendo-se < p2 , p0 >= 0 e <
p2 , p1 >= 0, de onde se obtem p2 (x) = x2 x + 16 .
Agora, utiliza-se os polin
omios ortogonais calculados para determinar o polin
omio desejado, de
grau 2:
g(x) = a0 p0 (x) + a1 p1 (x) + a2 p2 (x)
que aproxima f (x) = ex no intervalo [0, 1].
De (8.32) tem-se
ak =

< 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)

A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha

158

Introduca
o ao C
alculo Numerico

Ajuste de dados experimentais

Usando esta denicao, pode-se construir os tres primeiros polin

omios de Legendre:
p0 (x) = 1,

p1 (x) = x,

p2 (x) =

1
(3 x2 1)
2

(8.38)

Alem desta, ainda existem outras famlias de polin

omios ortogonais, como os polin
omios de
Hermite, Chebyshev, etc. Estes polin
omios, tabelados ou previamente calculados, podem ser
empregados para ajustar uma funcao f por um polin
omio g de grau menor ou igual a m em um
intervalo [a, b].
Supondo que se tenha a disposicao uma tabela de polin
omios ortogonais em um intervalo [c, d],
e preciso fazer uma mudanca de variavel t(x) = x+ para transformar linearmente f (t), denida
no intervalo [a, b], em f (t(x)) = F (x) denida no intervalo [c, d]. Faz-se, entao, o ajuste da funcao
F (x) por um polin
omio G(x) de grau menor ou igual a m usando os polin
omios tabelados. Por
transformacao inversa de vari
avel, x(t) = t + , obtem-se a funcao aproximadora g(t) = G(x(t)).
Exemplo 8.11 Aproxime a func
ao f (t) = sen t no intervalo 0 t por uma par
abola,
utilizando os polin
omios de Legendre.
Fazendo a mudanca de vari
avel que transforma linearmente o intervalo [0, ] em [1, 1], tem-se
t(x) =

(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]

Voltando para o intervalo inicial [0, ] atraves da transformac

ao inversa, x(t) =
se





2
2
10
12 1
2
g(t) = +
1 2
3
t1 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.

A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha

159

Introduca
o ao C
alculo Numerico

Ajuste de dados experimentais

1
10

x
y

0
9

1
7

2
5

3
4

4
3

5
0

6
1

Exerccio 8.2 Encontre a func

ao exponencial que melhor se ajusta aos pontos (0; 1, 5), (1; 2, 5),
(2; 3, 5), (3; 5) e (4; 7, 5).
Exerccio 8.3 Encontre a par
abola que melhor se ajusta aos pontos (3; 3), (0; 1), (2; 1) e (4; 3).
Exerccio 8.4 Encontre a hiperbole que melhor se ajusta aos pontos (0; 0, 2), (1; 0, 11), (2; 0, 08),
(3; 0, 06) e (4; 0, 05).
Exerccio 8.5 Considere a variac
ao da viscosidade em func
ao da temperatura:
T

7, 5
1409

10, 9
1276

14, 0
1175

15, 0
1148

16, 0
1121

18, 0
1069

21, 0
990

Encontre a melhor func

ao de ajustamento e determine a viscosidade para T = 4 C e T =
25 C.

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

Exerccio 8.10 Aproxime a func

ao 4 x3 por um polin
omio de primeiro grau, uma reta, no intervalo
[xI , xF ] = [0, 1].
Exerccio 8.11 Repita o exemplo 8.9 utilizando os polin
omios ortogonais obtidos acima e verique
que o resultado obtido e o mesmo.

A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha

160