Ajuste de Curvas

(Mtodo dos Mnimos Quadrados)

O Mtodo dos Mnimos Quadrados consiste em, dados os valores de f ( x) nos pontos x1 , x 2 , ..., x m , encontrar uma funo ( x) que melhor se aproxime de f ( x) . Para tal aproximao usaremos geomtricas, trigonomtricas, entre outras. funes polinomiais, exponenciais,

Aproximao usando polinmios

Problema: Determinar a funo ( x) que melhor se ajuste ao conjunto de pontos dados?

Diagrama de Disperso

Observando a disposio dos pontos x i ,

i = 1(1)m , deduzimos que (x) pode ser uma reta, ou seja, ( x) = ax + b .

x1 x 2 x3

...

xm

Definimos desvio ou erro por e( xi ) = f ( x i ) ( x i ) , i = 1(1) m , onde f ( x i ) o valor conhecido e ( x i ) o valor aproximado.

Objetivo: Escolher ( x) de tal maneira que nos pontos x i , i = 1(1)m , os

erros sejam mnimos.

Consideraes
1. Minimizar
m

e( x )
i i =1 i

- O fato de aproximao.

e( x )
i =1 m

ser mnimo, no traduz que ( x) foi uma boa

2. Minimizar

| e( x ) |
i i =1

- A funo mdulo no diferencivel na origem.

Clculo Numrico Prof. Fabrcio Verssimo

Para contornar os problemas anteriores consideraremos minimizar

[e( xi )] 2 = [ f ( xi ) ( xi )] 2 .
i =1 i =1

Sendo ( x) = ax + b . Queremos encontrar os parmetros a e b de modo que

E = [e( x i )] 2 seja mnimo. Do Clculo Diferencial, sabemos que, para obter um

i =1

ponto de mnimo, temos de encontrar seus pontos crticos, ou seja,

E =0 a
m E 2 = 2 [ax i + bx i x i f ( x i )] a i =1

E = 0. b
m E = 2 [ax i + b f ( x i )] b i =1

Logo, calculando estas derivadas parciais, temos e

E, pela condio anterior, temos

m m 2 m x i a + x i b = x i f ( x i ) i =1 i =1 i =1

m m x i a + mb = f ( x i ) i =1 i =1

Obs: Pode-se mostrar que a derivada segunda de E positiva.

Assim, determinar os parmetros (a, b) de tal modo que E ( a, b) seja mnimo equivalente a resolver o sistema linear:

m 2 xi i =1 m xi i =1

m x xi f ( xi ) i a i =1 i =1 = m b m f ( xi ) i =1
m

Exerccio 1 Dados os pontos

xi f ( xi )

-5 18

-3 7

1 0

3 7

4 16

6 50

8 67

Determine pelo Mtodo dos Mnimos Quadrados a reta que melhor os represente.

Exerccio 2 Considere f ( x) tabelada:

x f ( x)

0 2.1

1 4.9

2 8.2

3 10.9

4 14

5 16.8

Determine ( x) = ax + b que melhor se ajuste aos dados da tabela usando o Mtodo dos Mnimos Quadrados.
Clculo Numrico Prof. Fabrcio Verssimo

Polinmios de grau n
Para responder o problema encontrado no exerccio anterior, aproximamos a funo f ( x) por ( x) = a 0 0 ( x) + a1 1 ( x) , onde 0 ( x) = x e 1 ( x) = 1 . De modo anlogo ao trabalhado na aproximao usando uma reta, podemos aproximar a funo f ( x) por uma parbola:

( x) = a 0 0 ( x) + a1 1 ( x) + a 2 2 ( x) , onde 0 ( x) = x , 1 ( x) = x e 2 ( x) = 1 .
2

Generalizando este procedimento para um polinmio de grau n, obtemos o seguinte sistema normal:

m 2n xi i =1 m 2 n 1 xi i =1 mM n xi i =1

x x
i =1 m i =1 m

2 n 1 i 2n2

x
i =1

n 1 i

m n xi f ( x i ) i =1 a 0 i =1 m m n 1 L x i a1 xi n 1 f ( xi ) = i =1 M i =1 a m M n L m f ( xi ) i =1 L

Exerccio 3 Seja f ( x) tabelada:

x f ( x)
0 0 1 1 2 3.8 3 9

Faa o grfico de disperso dos dados e ajuste uma curva da melhor maneira possvel.

Caso no linear
Em muitos casos no conseguimos ajustar os pontos tabelados por polinmios. Assim, recorremos a outras curvas: 1. Hiprbole: ( x) =

1 a 0 x + a1

2. Curva exponencial: ( x) = ab x 3. Curva geomtrica: ( x) = ax b 4. Curva trigonomtrica: ( x) = a 0 cos( wx) + a1 Ento, dado um conjunto de pontos ( x1 , f ( x1 ) ), ( x 2 , f ( x 2 ) ), ..., ( x m , f ( x m ) ), usamos uma das (x) anteriores tal que para tenhamos

e( xi ) = f ( x i ) ( x i ) , i = 1(1)m ,

[e( x )]
i i =1

assumindo seu valor mnimo.

Clculo Numrico Prof. Fabrcio Verssimo

Exemplo 1: ( x) =

1 a 0 x + a1 1 = a 0 x + a1 ( x)

Consideremos a seguinte transformao: h( x) = Ento, h( x) aproxima:

x
h( x)

x1
1 f ( x1 )

x2
1 f ( x2 )

... ...

xm
1 f ( xm )

Exemplo 2: ( x) = ab x
Consideremos a seguinte transformao: onde a 0 = ln b e a1 = ln a . Ento, h( x) aproxima:

h( x) = ln ( x) = ln a + x ln b = a 0 x + a1 ,

x1

x2

...

xm

h( x) ln f ( x1 ) ln f ( x 2 ) ... ln f ( x m )

Exemplo 3: ( x) = ax b
Consideremos a seguinte transformao: h( x) = ln ( x) = ln a + b ln x = a 0 ln x + a1 , onde a 0 = b e a1 = ln a . Fazendo t = ln x , temos h(t ) = a 0 t + a1 . Ento, h(t ) aproxima:

ln x1 ln f (t1 )

ln x 2 ln f (t 2 )

... ...

ln x m ln f (t m )

h(t )

Exemplo 4: ( x) = a 0 cos(wx) + a1 Fazendo t = cos( wx) , temos h(t ) = a 0 t + a1 . Ento, h(t) aproxima:
t

cos wx1
f (t1 )

cos wx 2
f (t 2 )

... ...

cos wx 3
f (t m )

h(t )

Teste de Alinhamento: Alinhamento i) fazer a linearizao da funo no linear escolhida;

ii) fazer o diagrama de disperso dos novos dados; iii) se os pontos do diagrama (ii) estiverem alinhados isto significar que a funo no linear escolhida foi uma boa escolha.
Clculo Numrico Prof. Fabrcio Verssimo

Exerccio 4 Ajuste os dados:

xi f ( xi )

0 9.5

0.25 8.0

0.4 5.0

0.5 5.5

usando a aproximao ( x) = 1e 2 x . Faa o diagrama de disperso dos novos dados e verifique se esta aproximao vivel. Diagramas de disperso dos exerccios anteriores: Exerccio 1: Exerccio 2:

Exerccio 3:

Exerccio 4:

Diagrama dos dados tabelados Clculo Numrico Prof. Fabrcio Verssimo

Diagrama aps a linearizao