COMPUTAÇÃO SIMBÓLICA E Introdução – AJUSTE DE CURVAS

NUMÉRICA
AJUSTE DE CURVAS
Ajuste é outra técnica de aproximação de funções com característica diferentes da interpolação. Em geral se aplica a um
conjunto de dados experimentais:

𝑖 𝑥𝑖 𝑦𝑖
1 𝑥1 𝑦1
2 𝑥2 𝑦2
. . .
. . .
𝑛 𝑥𝑛 𝑦𝑛

e deseja-se obter a lei 𝑦 = 𝑓 (𝑥) que relaciona 𝑥 com 𝑦, e a partir daí calcular 𝑦 para certo 𝑥
que não consta dos dados experimentais.
AJUSTE DE CURVAS

Por exemplo, podemos saber que os dados plotados no gráfico das

figuras abaixo são oriundos de uma curva exponencial no primeiro caso, ou
de uma reta no segundo caso, e que, devido a erros experimentais, os pontos
(dados) coletados estão próximos da curva a que pertencem. A ideia é
aproximar estes pontos pela “melhor” curva.
AJUSTE DE CURVAS

AJUSTE POR RETA

O modelo mais simples que relaciona duas variáveis X e Y é a
equação da reta
y

x
AJUSTE DE CURVAS

AJUSTE POR RETA

Considerando tais desvios de todos os n pontos tomam-se:
𝑛

𝐷 = ෍ 𝑑²𝑖
𝑖=1
como medida do desvio total dos pontos observados à reta estimada.
A magnitude de D dependerá obrigatoriamente da reta desenhada, ou seja,
depende de a_0 e a_1 Assim,

𝑛 𝑛 𝑛
2
𝐷(𝑎1 , 𝑎0 ) = ෍ 𝑑²𝑖 = ෍ 𝑌𝑖 − 𝑌෡𝑖 = ෍[𝑌𝑖 − 𝑎1 𝑋𝑖 + 𝑎0 ]2
𝑖=1 𝑖=1 𝑖=1
AJUSTE DE CURVAS

Escolha da Melhor Reta

Um modo de estimar 𝑎1 e 𝑎0 é determinar o mínimo da função
𝐷 𝑎1 , 𝑎0 . No processo de minimização, calculam-se as derivadas parciais de
𝐷 em relação à 𝑎1 e 𝑎0 :
𝑛

𝐷(𝑎1 , 𝑎0 ) = ෍(𝑌𝑖 − 𝑎0 − 𝑎1 𝑋𝑖 )2
D n 𝑖=1
= −2 (Yi − a0 − a1 X i )
a0 i =1

D n
= −2 (Yi − a0 − a1 X i )X i
a1 i =1

Os valores 𝑎0 e 𝑎1 em que a função 𝐷 𝑎1 , 𝑎0 apresenta um valor mínimo são obtidos

igualando-se as derivadas a zero.
D n
= −2 (Yi − a0 − a1 X i ) = 0 D n
= −2 (Yi − a0 − a1 X i )X i = 0
a 0 i =1 a1 i =1
 AJUSTE DE CURVAS

. Deste modo:

Y −  a −  a X = 0
i 0 1 i

 i i  0 i  1 i =0
Y X − a X − a X 2

(n)a0 + ( X i )a1 = Yi

Ou

( X )a + ( X )a =  X Y
i 0 i
2
1 i i

Basta resolver este sistema de equações lineares, também chamadas equações

normais,
a =
n. encontraremos
que X i Yi −  X i  Yi 𝑎 e 𝑎 .
1 0  Yi − ( X i )a1
a0 =
n. X i − ( X i )
1 2 2
n
AJUSTE DE CURVAS

A melhor reta que passa pelo diagrama de dispersão apresenta,

então, a forma:
𝑦 = 𝑎1 𝑥 + 𝑎0

Exemplo - Ajustar os dados da tabela abaixo a uma reta de modo que 𝐷 seja
o menor possível.
𝑖 1 2 3 4 5
𝑥𝑖 1,3 3,4 5,1 6,8 8,0
𝑦𝑖 2,0 5,2 3,8 6,1 5,8

a1 =
n. X i Yi −  X i  Yi
a0 =
 Y − ( X )a
i i 1
n. X i − ( X i )
2 2
n
 AJUSTE DE CURVAS
Exemplo - Ajustar os dados da tabela abaixo a uma reta de modo que 𝐷 seja
o menor possível.
𝒊 𝒙𝒊 𝒚𝒊 𝒙 𝒊 𝒚𝒊 𝒙𝒊 ² 𝑦 = 𝑎1 𝑥 + 𝑎0
1 1,3 2,0 2,6 1,69
2 3,4 5,2 17,68 11,56
3 5,1 3,8 19,38 26,01
4 6,8 6,1 41,48 46,24
5 8,0 5,8 46,4 64

෍ 24,6 22,9 127,54 149,5

a1 =
n. X i Yi −  X i  Yi
a0 =
 Y − ( X )a
i i 1 𝑦 = 𝑎1 𝑥 + 𝑎0
n. X i − ( X i )
2 2
n
AJUSTE DE CURVAS

A melhor reta que passa pelo diagrama de dispersão apresenta,

então, a forma:
𝑦 = 𝑎1 𝑥 + 𝑎0

Exemplo - Ajustar os dados da tabela abaixo a uma reta de modo que 𝐷 seja
o menor possível.
𝑖 1 2 3 4 5
𝑥𝑖 1,3 3,4 5,1 6,8 8,0
𝑦𝑖 2,0 5,2 3,8 6,1 5,8

a1 =
n. X i Yi −  X i  Yi
a0 =
 Y − ( X )a
i i 1
n. X i − ( X i )
2 2
n
AJUSTE DE CURVAS

AJUSTE POR PARÁBOLA

Podemos mostrar que de maneira análoga ao ajuste por reta, um modo de
estimar 𝑎2 , 𝑎1 𝑒 𝑎0 para uma função quadrática nas variáveis 𝑋 e 𝑌.

𝑌 = 𝑎2 𝑋 2 + 𝑎1 𝑋 + 𝑎0

é determinar o mínimo da função 𝐷(𝑎2 , 𝑎1 , 𝑎0 ), através da resolução do sistema de

equações lineares:
(n)a0 + ( X i )a1 + ( X i2 )a2 = Yi

( X )a + ( X )a + ( X )a
i 0 i
2
1 i
3
2 =  X i Yi

( X )a + ( X )a + ( X )a =  X
i
2
0 i
3
1
4
2
2
Y
i i
AJUSTE DE CURVAS

AJUSTE POR PARÁBOLA

Ou na forma matricial:
 n

X X
i i
2
 a0    Yi 
   
 Xi X X  1    i i 
=
2 3
i i a X Y
 X i2 X X
3 4  a2   X i2Yi 
 i i   

Exemplo - Ajustar os dados da tabela abaixo a uma parábola de modo que

D seja o menor possível.
𝑖 1 2 3 4 5 6

𝑥𝑖 −2 −1.5 0 1 2,2 3,1

𝑦𝑖 30,5 20,2 −3,3 8,9 16,8 21,4

 AJUSTE DE CURVAS
Exemplo - Ajustar os dados da tabela abaixo a uma parábola de modo que
D seja o menor possível. 𝑖 1 2 3 4 5 6

𝑥𝑖 −2 −1.5 0 1 2,2 3,1

𝑦𝑖 30,5 20,2 −3,3 8,9 16,8 21,4

𝒊 𝒙𝒊 𝒚𝒊 𝒙 𝒊 𝒚𝒊 𝒙𝒊 ² 𝒙𝒊 ²𝒚𝒊 𝒙𝒊 ³ 𝒙𝟒𝒊
1 -2 30,5
2 -1,5 20,2  n

X X i i
2
 a0    Yi 
   
 Xi X X = 
2 3
3 0 -3,3 i i a
  
1 X i Yi 
 X i2 X X 3 4  a2   X i Yi 
2
4 1 8,9  i i   
5 2,2 16,8
𝑌 = 𝑎2 𝑋 2 + 𝑎1 𝑋 + 𝑎0
3,1 21,4

෍
AJUSTE DE CURVAS - AJUSTE POR EXPONENCIAL
Se 𝑌 = 𝛼0 𝑒 𝛼1𝑥 , 𝛼0 e 𝛼1 positivos, usamos
a transformação:
l𝑛 𝑌 = ln 𝛼0 + 𝛼1 X,
de maneira que se:
𝑎0 = ln 𝛼0 e 𝑎1 = 𝛼1 ⇒ ln 𝑌 = 𝑎0 +𝑎1 X
que é um problema linear nos parâmetros 𝑎0 e
𝑎1 . O método dos mínimos quadrados pode
então ser aplicado na resolução do problema
linearizado. Obtidos os parâmetros deste
problema, usaremos estes valores para calcular
os parâmetros originais.
AJUSTE DE CURVAS

AJUSTE POR EXPONENCIAL

Exemplo - Ajustar os pontos à equação 𝑍 = 𝑎𝑒 𝑏𝑥 .

𝑖 1 2 3 4 5

x𝑖 0,1 1,5 3,3 4,5 5,0

Z𝑖 5,9 8,8 12,0 19,8 21,5

Y𝑖 = ln(Z𝑖)
AJUSTE DE CURVAS - AJUSTE POR LOGARITMO
De maneira análoga ao ajuste por exponencial, se
𝑌 = 𝛼0 ∙ 𝑋 𝛼1 , 𝛼0 e 𝛼1
positivos usamos a transformação
ln 𝑌 ≈ ln 𝛼0 + 𝛼1 ln(𝑋),
de maneira que se,
𝑎0 = ln 𝛼0 , 𝑎1 =𝛼1 e
𝑋 = ln 𝑋 ⇒ ln 𝑌 ≈ 𝑎0 + 𝑎1 X
que é um problema linear nos parâmetros 𝑎0 e 𝑎1 .
O método dos mínimos quadrados pode então ser
aplicado na resolução do problema linearizado. Obtidos
os parâmetros deste problema, usaremos estes valores
para calcular os parâmetros originais.
AJUSTE DE CURVAS

AJUSTE POR LOGARITMO

Exemplo - Ajustar os pontos abaixo à equação 𝑍 = 𝑎 ∙ 𝑥 𝑏
 AJUSTE DE CURVAS - AJUSTE POR POTÊNCIA
De maneira análoga ao ajuste por exponencial e
logaritmo, se
𝑌 = 𝛼0 ∙ 𝑋 𝛼1 ,
com 𝛼0 e 𝛼1 positivos usamos a transformação

ln 𝑌 ≈ ln 𝛼0 + 𝛼1 l n(𝑋),
de maneira que se,

𝑎0 = ln 𝛼0 , 𝑎1 =𝛼1 , 𝑌 = ln 𝑌 e 𝑋 = ln 𝑋

⇒ ln 𝑌 ≈ 𝑎0 + 𝑎1 ln X
que é um problema linear nos parâmetros 𝑎0 e 𝑎1 .