Aproximação de Funções

Método dos Mínimos Quadrados-MMQ

Suponha que você tenha realizado um experimento e tenha coletado dados, que
foram armazenados em uma tabela. Posteriormente ao experimento, você precisa
saber de um certo valor de seu experimento que não foi anotado e o experimento não
se pode mais repetir ... o que fazer?

Se você tem uma função que representa os seus dados coletados, então basta atribuir
o valor da variável independente que você deseja conhecer na sua função e calcular o
valor desejado.

Como obter uma função que se aproxima dos meus dados coletados?

Dada uma tabela de dados, como a abaixo:

x x0 x1 x2 ⋯ xn
f(x) f(x0) f(x1) f(x2) ⋯ f(xn)
queremos determinar uma função 𝑦(𝑥) que aproxima, o melhor possível, os dados da
tabela acima.

Considere uma família de curvas como a da função abaixo:

𝑦(𝑥) = 𝑎0 𝑔0 (𝑥) + 𝑎1 𝑔1 (𝑥) + 𝑎2 𝑔2 (𝑥) + ⋯ + 𝑎𝑚 𝑔𝑚 (𝑥)

onde 𝑎𝑗 ∈ 𝑅, 𝑗 = 1,2, ⋯ , 𝑚 e 𝑔𝑗 (𝑥) são funções previamente escolhidas, de acordo

com o comportamento de nossos dados.

Para cada sequência ( 𝑎0 , 𝑎1 , 𝑎2 , ⋯ , 𝑎𝑚 ) teremos uma 𝑦(𝑥) correspondente e existe

uma sequencia para os quais a função 𝑦(𝑥) é a que mais se aproxima dos dados. Em
outras palavras, a diferença (resíduo) entre f(x) e 𝑦(𝑥) , ou seja, 𝜀 = 𝑦(𝑥) − 𝑓(𝑥) são
os menores.

Fazendo S a soma dos quadrados dos resíduos , isto é:

𝑆 = ∑(𝜀𝑖 )2 = ∑[𝑦(𝑥) − 𝑓(𝑥)]2 =

= ∑[𝑎0 𝑔0 (𝑥) + 𝑎1 𝑔1 (𝑥) + 𝑎2 𝑔2 (𝑥) + ⋯ + 𝑎𝑚 𝑔𝑚 (𝑥) − 𝑓(𝑥𝑖 )]2

 e como as 𝑓(𝑥𝑖 ) e 𝑔(𝑥𝑖 ) são conhecidas, então S é uma função em relação aos 𝑎𝑗 , ou
seja:

𝑆 = 𝑆( 𝑎0 , 𝑎1 , 𝑎2 , ⋯ , 𝑎𝑚 )

Queremos determinar os 𝑎𝑗 para que S seja mínima, então basta impor que as
derivadas parciais de S em relação aos 𝑎𝑗 seja igual a zero, isto é:

𝜕𝑆 𝜕𝑆 𝜕𝑆 𝜕𝑆
= 0, = 0, = 0, ⋯, =0
𝜕𝑎0 𝜕𝑎1 𝜕𝑎2 𝜕𝑎𝑚

Calculando essas derivadas parciais, obteremos o seguinte sistema linear:

𝑎0 ∙ ∑ 𝑔0 (𝑥𝑖 )𝑔0 (𝑥𝑖 ) + 𝑎1 ∑ 𝑔0 (𝑥𝑖 )𝑔1 (𝑥𝑖 ) + 𝑎2 ∑ 𝑔0 (𝑥𝑖 )𝑔2 (𝑥𝑖 ) + ⋯ + 𝑎𝑚 ∑ 𝑔0 (𝑥𝑖 )𝑔𝑚 (𝑥𝑖 ) = ∑ 𝑔0 (𝑥𝑖 )𝑓(𝑥𝑖 )

𝑎0 ∙ ∑ 𝑔1 (𝑥𝑖 )𝑔0 (𝑥𝑖 ) + 𝑎1 ∑ 𝑔1 (𝑥𝑖 )𝑔1 (𝑥𝑖 ) + 𝑎2 ∑ 𝑔1 (𝑥𝑖 )𝑔2 (𝑥𝑖 ) + ⋯ + 𝑎𝑚 ∑ 𝑔1 (𝑥𝑖 )𝑔𝑚 (𝑥𝑖 ) = ∑ 𝑔1 (𝑥𝑖 )𝑓(𝑥𝑖 )
⋯ ⋯ ⋯ ⋯

{𝑎0 ∙ ∑ 𝑔𝑚 (𝑥𝑖 )𝑔0 (𝑥𝑖 ) + 𝑎1 ∑ 𝑔𝑚 (𝑥𝑖 )𝑔1 (𝑥𝑖 ) + 𝑎2 ∑ 𝑔𝑚 (𝑥𝑖 )𝑔2 (𝑥𝑖 ) + ⋯ + 𝑎𝑚 ∑ 𝑔𝑚 (𝑥𝑖 )𝑔𝑚 (𝑥𝑖 ) = ∑ 𝑔𝑚 (𝑥𝑖 )𝑓(𝑥𝑖 )

O sistema acima é chamado sistema normal do MMQ. Resolvendo o sistema temos os 𝑎𝑗 da melhor função
𝑦(𝑥)

que aproxima os dados tabelados.

Para facilitar a visualização dos cálculos, utilizamos o seguinte dispositivo prático:

Observe que o sistema acima é simétrico.

Os valores do quadro assinalado acima são os coeficientes do sistema normal. Em seguida resolve-se o sistema para
obter os valores 𝑎𝑗
 EXEMPLOS

O DISPOSITIVO PRÁTICO FICA:

Portanto a curva da família que mais aproxima os dados tabelados é:

Soluçao: O polinômio de grau 2 é da família y = a0 +a1 x + a2 x2

O dispositivo fica: