Escolar Documentos
Profissional Documentos
Cultura Documentos
superfı́cies
Priscila Gutierres
28 de Junho de 2018
Resumo
Nesse artigo discutiremos o algoritmo de mı́nimos quadrados para su-
perfı́cie, utilizando uma base polinomial.
1 Introdução
O método de mı́nimos quadrados é uma abordagem padrão em análise de re-
gressão para aproximar a solução de sistemas lineares sobredeterminados.
A aplicação mais importante é o ajuste de dados, de forma a minimizar a dife-
rença entre valores observados e o ajuste fornecido pelo modelo.
Nesse trabalho, discutiremos um algoritmo de mı́nimos quadrados aplicados a
duas funções.
2 Resultados teóricos
2.1 Definições e teoremas
Definição 2.1. Seja A 2 Rmx n . O sistema de n equações e n incógnitas dado
por:
At A D At b
é chamado de sistema de equações normais.
Definição 2.2. O erro quadrático médio (EQM) é definido como sendo a média
da diferença entre o valor do estimador e do parâmetro ao quadrado.
Teorema 1. Seja A 2 Rmx n . A possui posto máximo se, e somente se, a matriz
A é não singular.
1
Teorema 3. A solução para x 2 Rn é única se, e somente se, A tem posto
máximo.
AT .b Ax/ D 0
3 Algoritmo
3.1 Geração dos pontos e plotagem
O script em python main, cria pontos distribuı́dos em uma malha regular, ge-
rando um arquivo de saı́da para a posterior utilização no programa olse, que cal-
cula os coeficientes da aproximação de mı́nimos quadrados. Depois, esse mesmo
script em python, calcula o erro quadrático médio cometido na aproximação
e gera os gráficos da função e de sua aproximação em mı́nimos quadrados. O
script normalpoints.py, analogamente, cria pontos distribuı́dos normalmente e
depois calcula o erro quadrático médio cometido na aproximação em mı́nimos
quadrados.
2
optando-se por mantê-lo serial.
Se continuado, o desenvolvimento levaria em conta o uso de alguma estrutura
de dados dedicada e testada como algumas das citadas e não a criação do zero
de bibliotecas para a paralelização posterior. [3]
./olse s1_100points.dat 1
O programa olse cria um arquivo chamado output.dat. A seguir, plotamos e
calculamos o erro quadrático médio da malha regular com o seguinte comando:
./main.py -plotresult s1_100points.dat output.dat
4 Resultados e discussão
Utilizamos duas funções para testar o algoritmo criado. São elas:
3
Número de pontos Grau do polinômio Erro quadrático médio
100 1 0.4737171497303143
100 4 0.23596378937679863
100 6 0.1987871748061262
100 10 22367.00946090367
Figura 1
(a) Aproximação por polinômio de grau 4 (b) Aproximação por polinômio de grau 6
Figura 2
Figura 3
4
(a) Aproximação por polinômio de grau 4 (b) Aproximação por polinômio de grau 6
Figura 4
Figura 5
5
(a) Aproximação por polinômio de grau 4 (b) Aproximação por polinômio de grau 6
Figura 6
Figura 7
(a) Aproximação por polinômio de grau 4 (b) Aproximação por polinômio de grau 6
Figura 8
6
4.2 Resultados para uma malha normal de pontos
Os arquivos referentes aos pontos e aos coeficientes utilizados podem ser encon-
trados nas pastas .../examples/normal/S1 e .../examples/normal/S2, respecti-
vamente.
Para a função S1 com uma distribuição normal de pontos de média 5 e desvio
padrão 0.6, foram obtidos os seguintes resultados:
5 Conclusão
Para as duas funções testadas o algoritmo de mı́nimos quadrados mostrou re-
sultados satisfatórios para uma primeira implementação.
A utilização de uma estrutura de dadoas otimizada e a segmentação da malha
de pontos são melhorias que podem ser implementadas para obter resultados
ainda melhores.
7
Referências
[1] Jr. Ford, William., Numerical Linear Algebra with Applications using MA-
TLAB, Academic Press, 2014.
[2] Oshiro, S.M., Roma, A.M., Fabris, A.E., Rocha, M. S., Matsui, A.A.M.,
Suárez-lha, M.E.V. & lha,K. 1998. Um método numérico aplicado à adsorção
de CO2 em carvão ativado à várias temperaturas, ANAIS ASSOC. BRAS.
QUÍM. 47(2),170-173,1998.
[3] Aparecido Rodrigues, Francisco.,Técnicas de orientação a objetos para com-
putação cientı́fica paralela. Dissertação de mestrado, IFSC-USP, 2004.