Lista de Cálculo Numérico: Ajuste de Curva

Prof: Fernando Tosini

1. Ajuste, os dados da tabela abaixo, usando:

(a) Uma reta; (b) Uma parábola;

Através do método dos Mı́nı́mos Quadrados.

x 1 2 3 4 5 6 7 8
f(x) 0.5 0.6 0.9 0.8 1.2 1.5 1.7 2.0

Qual das curvas melhor se ajusta aos dados? Justifique.

2. Um fazendeiro utilizou quatro lotes de terra para testar a relação entre a produção de trigo em

toneladas por hectare e quantidade de fertilizantes em centenas de quilogramas por hectare. Os

resultados obtidos estão na tabela abaixo.

Fertilizante (kg/hectare) 1 1.5 2 2.5

Safra (tonelada/hectare) 35 44 50 56

(a) Faça um gráfico de dispersão que relaciona as duas grandezas;

(b) Determine a função matemática que relaciona a safra y com a quantidade de fertilizante x;

(c) Qual é a produção para uma aplicação de 160 quilogramas de fertilizante?

3. Considere os dados tabelados:

x 0.5 0.75 01 1.5 02 2.5 03

f(x) -2.8 -0.6 01 3.2 4.8 06 07

(a) Faça o gráfico de dispersão dos dados;

(b) Ajuste uma curva quadrática que melhor descreva o comportamento dos dados;

(c) Calcule a qualidade do ajuste;

(d) Calcule ȳ ′ (1.75);

∫ 3
(e) Calcule ȳ(x)dx.
0.5

1
4. Linearize cada um dos seguintes modelos de ajuste e determine seu respectivo sistema linear pelo

método da comparação.

( )
(a) y = ax + b/x2 (e) y = ax + bx3 x3
(i) f (x) = x2 ln
√ a + bx2
(b) y = a ln(bx) (f) y = a + bx
1 x2
(g) y = (j) f (x) =
(c) y = a sin(x) + b cos(x)
1 + ea+bx ln(ax4 + bx2 + c)
2
ax 2)
(d) y = aebx (h) y = (k) f (x) = ae(bx−cx
b+x

5. Em um reator quı́mico é conduzida uma reação quı́mica irreversı́vel de primeira ordem, o processo

é em batelada. O balanço de massa do reagente é descrito pela equação diferencial:

dc
= −k · c, com c(0) = c0 (1)
dt

(a) Mostre que a solução analı́tica da equação (1) é dada por:

c(t) = c0 e−kt (2)

(b) Faça a linearização da função c(t);

(c) Determine a função somatório quadrado dos erros;

(d) Determine o sistema linear a ser resolvido para encontrar os parâmetros de ajuste do modelo

(2). Sugestão: Para encontrar esse sistema, faça minimização da função do item c);

(e) Considere o conjunto de dados que descreve a variação da concentração do reagente com o

tempo:

t(min) 1 3 5 10 15 25
c(mol/litro) · 10−2 4.049 2.604 1.912 1.142 0.741 0.521

Baseado a esses dados estime os valores de k e de c0 , por meio do método dos Mı́nimos

Quadrados;

(f) Represente graficamente o ajuste;

(g) Calcule a qualidade do ajuste.

2
6. Em um reator quı́mico é conduzida uma reação quı́mica irreversı́vel de segunda ordem, o processo

é em batelada. O balanço de massa do reagente é descrito pela equação diferencial:

dc
= −k · c2 , com c(0) = c0 (3)
dt

(a) Mostre que a solução analı́tica da equação (3) é dada por:

c0
c(t) = (4)
1 + k · c0 · t

(b) Faça a linearização da função c(t);

(c) Determine a função somatório quadrado dos erros;

(d) Determine o sistema linear a ser resolvido para encontrar os parâmetros de ajuste do modelo

(4). Sugestão: Para encontrar esse sistema, faça minimização da função do item c);

(e) Considere o conjunto de dados que descreve a variação da concentração do reagente com o

tempo:

t(min) 1 3 5 10 15 25
c(mol/litro) · 10−2 4.049 2.604 1.912 1.142 0.741 0.521

Baseado a esses dados estime os valores de k e de c0 , por meio do método dos Mı́nimos

Quadrados;

(f) Represente graficamente o ajuste;

(g) Calcule a qualidade do ajuste.

√
7. Deseja-se aproximar uma função f (x) = a + bx, a um conjunto de dados. Dessa forma, devemos

aplicar o método dos Mı́nimos Quadrados, determinando:

(a) A linearização de f (x)?

(b) A função a ser minimizada?

(c) O sistema linear a ser resolvido para encontrar os parâmetros de ajuste do respectivo modelo.

Sugestão: Para encontrar esse sistema, faça minimização da função do item b);

(d) Considere o conjunto de dados:

3
 x 1.5 2.0 2.5 3.0
f(x) 2.1 3.2 4.4 5.8

Obtenha os parâmetros de ajuste do modelo;

(e) Represente graficamente o ajuste;

(f) Calcule a qualidade do ajuste.

8. Deseja-se aproximar uma função y = x ln (ax + b), a um conjunto de dados. Dessa forma,

devemos aplicar o método dos Mı́nimos Quadrados determinando:

(a) A linearização de y?

(b) A função a ser minimizada?

(c) O sistema linear a ser resolvido para encontrar os parâmetros de ajuste do respectivo modelo.

Sugestão: Para encontrar esse sistema, faça minimização da função do item b);

(d) Considere o conjunto de dados:

x 1.0 1.5 2.0 2.5 3.0

y 1.1 2.1 3.2 4.4 5.8

Obtenha os parâmetros de ajuste do modelo;

(e) Represente graficamente o ajuste;

(f) Calcule a qualidade do ajuste.

a + x2
9. Deseja-se aproximar uma função f (x) = , a um conjunto de dados. Dessa forma, devemos
b+x
aplicar o método dos Mı́nimos Quadrados determinando:

(a) A linearização de f (x)?

(b) A função a ser minimizada?

(c) O sistema linear a ser resolvido para encontrar os parâmetros de ajuste do respectivo modelo.

Sugestão: Para encontrar esse sistema, faça minimização da função do item b);

(d) Considere o conjunto de dados:

x 0 1 2 3
y 1 1 1.7 2.5

Obtenha os parâmetros de ajuste do modelo;

4
 (e) Calcule a qualidade do ajuste;

(f) Represente graficamente o ajuste.

10. Deseja-se aproximar uma função f (x) definida em um intervalo [a, b] por uma função:

( )
2 x3
f (x) = x ln
a + bx2

Usando o método dos Mı́nimos Quadrados, determine:

(a) A linearização de f (x)?

(b) A função a ser minimizada?

(c) O sistema linear a ser resolvido para encontrar os parâmetros de ajuste do respectivo modelo.

Sugestão: Para encontrar esse sistema, faça minimização da função do item b).

11. Deseja-se aproximar uma função f (x) definida em um intervalo [a, b] por uma função:

x2
f (x) =
ln(ax4 + bx2 + c)

Usando o método dos Mı́nı́mos Quadrados, determine:

(a) A linearização de f (x)?

(b) A função a ser minimizada?

(c) O sistema linear a ser resolvido para encontrar os parâmetros de ajuste do respectivo modelo.

Sugestão: Para encontrar esse sistema, faça minimização da função do item b).

12. Considere a tabela:

t 3.8 7.0 9.5 11.3 17.5 31.5 45.5 64.0 95.0

f(t) 10.0 12.5 13.5 14.0 15.0 16.0 16.5 17.0 17.5

t
(a) Linearize os modelos f (t) = abt e f (t) = e ajuste sobre os dados acima;
a + bt
(b) Qual das duas curvas melhor se ajusta aos dados. Por quê?

13. O número de bactérias por unidade de volume, existente em uma cultura após x horas é apresen-

tado na tabela:

5
 Número horas de x 0 1 2 3 4 5 6
Número bactérias/volume y 32 47 65 92 132 190 275

(a) Ajuste aos dados as curvas y = abx , e determine R2 ;

(b) Avalie da melhor forma o valor de y(x) para x = 7.

14. A atividade de um material radioativo decai com o tempo. O estudo de uma pastilha de Césio

137 usada em tratamento de radioterapia forneceu a seguinte tabela:

Tempo (horas) 0 2 4 6 8 10 12
Atividade (Radioativa) 1 0.79 0.63 0.5 0.4 0.32 0.25

A lei que descreve este tipo de comportamento é do tipo y = aekt , nesta função y é a atividade,

t é o tempo, e a e k são constantes.

(a) Determine o valor das constantes a e k;

(b) Qual seria a atividade da pastilha de césio 3.5 horas após o inı́cio do experimento?

15. A tabela abaixo fornece o número de habitantes do Brasil (em milhões) desde 1960:

Ano 1960 1970 1980 1991 2000

Tempo (t) 1 2 3 4.1 5
Habitantes (P (t)) 70.2 93.1 119 146.2 169.8

(a) Ajuste aos dados uma curva do tipo: P (t) = α1 tα2 , através do processo dos Mı́nı́mos

Quadrados. Use esta curva e obtenha uma estimativa da população do Brasil no ano 2010;

(b) Ajuste aos dados uma curva do tipo: P (t) = α1 eα2 t , através do processo dos Mı́nı́mos

Quadrados. Use esta curva e obtenha uma estimativa da população do Brasil no ano 2010;

(c) Comparando o R2 em cada caso, indique qual a melhor curva para ajustar os dados destes

recenseamentos.

(d) Calcule a taxa de crescimento populacional no terceiro ano;

16. Linearize a função g(x) = 1 + aebx , e faça um ajuste nos dados abaixo, usando o M.M.Q.

x 0.0 0.5 01 2.5 03

g(x) 2.0 2.6 3.7 13.2 21

Calcule a qualidade do ajuste e o valor g ′ (1.5)?

6
17. Ajustar a curva g(x) = aex + be−x aos dados, usando o método dos Mı́nimos Quadrados.

x 0 0.5 1.0 1.5 2.0 2.5

g(x) 5.02 5.21 6.49 9.54 16.02 24.53

18. Linearizar as funções, pré-fixando um parâmetro.

a −cx
(a) y = (b) y = ae−be (c) y = a − abe−cx
1 + becx

19. Linearize o modelo y = a(1 − cebx ), pré-fixando um parâmetro e ajuste os dados:

x 1.0 10 20 30 40 50
y 0.03 0.25 0.4 0.54 0.62 0.67

Adote para o valor pré-fixado 0.85 e 1. Verifique através da qualidade do ajuste, qual dos

parâmetros pré-fixado melhor ajusta os dados acima.

20. Implementar cada modelo de ajuste e aplicar nos problemas abaixo.

21. A tabela abaixo representa o calor especı́fico da água em função da temperatura.

t(◦ C) 0 5 10 25 30 35
C(t) 1.00762 1.00392 1.00153 0.99852 0.99826 0.99818

Elabore um programa que faça um ajuste linear, um quadrático e um cúbico. Também, neste

mesmo programa, ajuste o modelo não linear da forma C(t) = ae−bt , com a; b > 0. Cada modelo

de ajuste deve apresentar, os parâmetros, o gráfico e a corelação dos dados. Também, ache uma

aproximação para t = 15 em cada um dos casos.

22. Linearize a função f (x) = 1/(1 + eα1 x+α2 ), e elabore um programa que apresente os parâmatros

de ajuste, o gráfico e a qualidade do ajuste, referente aos dados abaixo:

x 0.1 0.3 0.5 0.5 0.7 0.8 0.8 1.10 1.30 1.80
f(x) 0.833 0.625 0.500 0.510 0.416 0.384 0.395 0.312 0.277 0.217

23. Considere:

x 02 05 08 10 14 17 27 31 35 44
y 94.8 98.7 81.3 74.9 68.7 64.0 49.3 44.0 39.1 31.6

7
 (a) Elabore um programa que apresente os parâmatros de ajuste, o gráfico e a qualidade do

ajuste dos seguintes modelos: y = aebx ; y = 1/(a1 x + a0 ); y = x/(a0 + a1 x).

(b) Qual dos modelos do item a) melhor ajustou os dados?

24. Ajuste empregando diferentes tipos de funções:

x 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4 2.6 2.8 3.0
y 0.525 0.8448 1.2807 1.8634 2.6326 3.6386 4.944 6.6258 8.7768 11.5076 14.9484

Ajustar aos pontos tabelados as seguintes funções:

(a) Linear y = a0 + a1 x;

(b) Exponencial do tipo y = aebx ;

(c) Logarı́tmico do tipo y = a + b ln(x);

(d) Potencial do tipo y = axb ;

(e) Hiperbólico, do tipo y = a + b/x.

Determinar através do coeficiente de correlação, qual destas funções representa o melhor ajuste e

comparar graficamente os ajustes realizados plotando os ajustes e os pontos ajustados no mesmo

plano.

25. Para determinar a relação entre o número de peixes e o número de espécies de peixes existentes em

amostras colhidas em uma parte do Recife da Grande Barreira, os pesquisadores Sale e Dybdahl

ajustaram um polinômio linear de mı́nimos quadrados ao conjunto de dados apresentados a seguir.

Esses dados foram coletados em amostras obtidas durante um perı́odo de dois anos. Seja x o

número de peixes na amostra e y o número de espécies na mesma amostra, determine o ajuste

linear através mı́nimos quadrados para esses dados.

x 13 15 16 21 23 25 29 30 31 36 40 42 55 60 62 64 70 72 100 130
y 11 10 11 12 13 13 12 14 16 17 13 14 22 14 21 21 24 17 23 34

26. Em um reator quı́mico é conduzida uma reação quı́mica irreversı́vel de segunda ordem, o processo

é em batelada. O balanço de massa do reagente é descrito pela equação diferencial:

dcA
= −k c2A , com cA (0) = c0
dt

8
 A variação da concentração do reagente com o tempo é medida construindo-se a tabela:

t(min) 1 2 3 4 5 7 10 12 15 20 25
cA (mol/litro) · 10−2 4.04 3.08 2.60 2.22 1.91 1.52 1.14 0.98 0.74 0.64 0.52

Baseado nestes dados, elabore um programa que estime os valores de k e de c0 , juntamente com

o gráfico e a qualidade do ajuste.

27. A taxa (velocidade) de cristalização isotérmica de diversos materiais (metais, cerâmicas e polı́meros)

pode ser analisada a partir de um modelo matemático chamado, modelo de Avrami:

dy n−1
= k · n · (1 − y) · [− ln(1 − y)] n , com y(0) = 1 (5)
dt

No qual, y é a fração volumétrica de fase cristalina, t é o tempo de tratamento térmico a

temperatura constante e k e n são os coeficientes de Avrami.

(a) Mostre que a solução analı́tica da equação (5) é dada por:

y(t) = 1 − e−(kt)
n
(6)

(b) Faça a linearização da função (6);

(c) Apartir dos dados abaixo, elabore um programa que apresente os parâmetros cinéticos k e

n do modelo, juntamento com o gráfico de ajuste e sua qualidade.

t(s) 0.1 10 20 30 40 50 60 70 80 90 100

y 0.00001 0.0079 0.0358 0.0850 0.1541 0.2392 0.3352 0.4362 0.5364 0.6307 0.7152

··· 110 120 130 140 150 160 170 180 190 200 240
··· 0.7875 0.8468 0.8932 0.9281 0.9533 0.9708 0.9823 0.9897 0.9942 0.9969 0.9998

28. Considere os dados experimentais:

x 0.1 0.2 0.4 0.6 0.9 1.3 1.5 1.7 1.8

y 0.75 1.25 1.45 1.25 0.85 0.55 0.35 0.28 0.18

Linearize o modelo, y = axebx , e faça um programa que apresente uma estimativa para os

parâmetros a e b, juntamente com o gráfico ajustado aos dados experimentais e também a quali-

dade do ajuste.

9
29. Considere os dados experimentais:

x 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5

y 1.043 2.552 7.224 13.18 18.54 22.33 22.94 20.24 14.83 10.02 6.071 2.358 1.607

2
Linearize o modelo, y = axb ecx , e faça um programa que apresente uma estimativa para os

parâmetros a, b e c, juntamente com o gráfico ajustado aos dados experimentais e também a

qualidade do ajuste.

2 +cx
30. Determine os parâmetros a, b e c da função f (x) = aebx , por meio do ajuste dos dados:

x 1.0000 1.1000 1.2000 1.3000 1.4000 1.5000 1.6000 1.7000 1.8000 1.9000

f (x) 3.1599 4.4799 4.7467 5.5414 5.8283 6.6530 7.6402 8.7273 8.5223 9.4271

··· 2.0000 2.1000 2.2000 2.3000 2.4000 2.5000 2.6000 2.7000 2.8000 2.9000

··· 9.6976 9.8605 9.9564 10.244 10.785 10.410 9.6159 9.2597 9.2944 8.2576

··· 3.0000 3.1000 3.2000 3.3000 3.4000 3.5000 3.6000 3.7000 3.8000 3.9000

··· 8.4763 7.5193 6.3708 6.4779 5.6611 4.9326 4.3069 3.3164 3.1133 2.7066

··· 4.0000 4.1000 4.2000 4.3000 4.4000 4.5000 4.6000 4.7000 4.8000 4.9000

··· 2.4659 1.3656 1.3515 0.5983 0.8427 0.7087 0.1346 0.3390 0.5698 0.0293

31. Utilize os dados da tabela abaixo:

x 5,5 5,72 5,94 6,17 6,39 6,61 6,83 7,06 7,28 7,5
ρ 0,1692 0,5004 1,918 4,673 6,5 7,648 7,374 5,537 2,423 1,151

(x − b)2
−
para ajustar a função ρ(x) = a · e 2c2 , através do método dos mı́nimos quadrados (versão

linearizada). Determine o valor dos parâmetros de ajuste, juntamente com o gráfico ajustado aos

dados experimentais e também a qualidade do ajuste.

32. A trajetória de um satélite orbitando a Terra é descrita em coordenadas polares pela equação:

A(1 − ε2 )
r(θ) =
1 + ε sin(θ + ϕ)

Onde A é o semieixo maior da órbita (em km), ε é a sua excentricidade e ϕ é uma fase. A partir

dos dados:

10
θ -2 -1,5556 -1,1111 -0,66667 -0,22222 0,22222 0,66667 1,1111 1,5556 2
r 6758,3 6445,2 5386,0 4980,7 4728,1 4601,5 4819,2 5052,7 5430,2 6208,5

Ajuste pelos mı́nimos quadrados linearizado o modelo acima, elaborando uma rotina que apresente

os parâmetros de ajuste, juntamente gráfico de ajuste e sua qualidade.

11
 Respostas

1. (a) y = 0.2167x + 0.1750 e R2 = 0.9571

(b) y = 0.0155x2 + 0.0774x + 0.4071 e R2 = 0.9767

A curva que melhor ajusta os dados é a parábola, pois possui um R2 mais próximo de um,

isso significa que o somatório quadrado dos desvios é menor em relação ao da reta.

2. (a) y = 13.8x + 22.1 (b) (c) 2230, 10 ton/hect

3. (a) O grafico de dispersão:

Ajuste de Curva Polinomial
7
dados exp
6 ajuste

2
y

−1

−2

−3
0.5 1 1.5 2 2.5 3
x

(b) y = −1.2616x2 + 8.1165x − 6.1858

(c) R2 = 0.9948

(d) y ′ (1.75) = 3.701022

(e) 8.7437

4. (a) (e) (i)

(b) (f)
(j)
(c) (g)

(d) (h) (k)

12
5. (a)

(b) ln(c(t)) = −kt + ln(c0 )

∑n
( )2
(c) SQE = ln(ci ) − (−kti + ln(c0 )
i=1
   
∑
n ∑
n
  ∑
n
 (ti )2 (ti )   (ti · ln(ci )) 
  a  
 i=1 i=1   1   i=1 
(d)  n · = n  onde, k = −a1 e c0 = ea0 .
 ∑   ∑ 
 (ti ) n  a0  (ln(ci )) 
i=1 i=1
(e) c(t) = 0.03242e−0.08260t

(f) O gráfico de ajuste:

(g) R2 = 0.85182

6. (a)

(b) 1/c(t) = kt + 1/c0

∑n
( )2
(c) SQE = (1/ci ) − (kti + 1/c0 )
i=1
   n ( )

∑
n ∑
n
  ∑ ti
 (ti )2 (ti )   
  a  ci 
 i=1 i=1   1   i=1 
(d)  n · = n ( )  onde, k = a1 e c0 = 1/a0 .
 ∑   ∑ 1 
 (ti ) n  a0  
ci
i=1 i=1
0.0551785
(e) c(t) =
1 + (7.1376327)(0.0551785)t

13
 (f) O gráfico de ajuste:

(g) R2 = 0.9976748

7. (a) y 2 = bx + a
∑n
( 2 )2
(b) SQE = yi − (bxi + a)
i=1
   n 
∑
n ∑n
  ∑( )
 (xi ) 2
(xi )   xi · yi2 
  a  
 i=1 i=1   1   i=1 
(c)  n ·   n
=  onde, b = a1 e a = a0 .
 ∑   ∑( ) 
 (xi ) n  a0  yi2 
i=1 i=1
√
(d) y = −26.65199 + 19.361999x

(e) O gráfico de ajuste:

(f) R2 = 0.935546

14
8. (a) ey/x = ax + b
∑n
( y /x )2
(b) SQE = e i i − (axi + b)
i=1
   n 
∑
n ∑n
  ∑( )
 (xi ) 2
(xi )   x i · e yi /xi

  a  
 i=1 i=1   1   i=1 
(c)  n · = n (  onde, a = a1 e b = a0 .
 ∑   ∑ ) 
 (xi ) n  a0  eyi /xi 
i=1 i=1
(d) y = x ln(1.9147865x + 1.1178968)

(e) O gráfico de ajuste:

(f) R2 = 0.999802

1 a
9. (a) y = (x2 − xy) +
b b
∑ n ( ( ))2
1 2 a
(b) SQE = yi − (x − xi yi ) +
b i b
i=1
 n   n 
∑ ∑n
  ∑( )
 (xi − xi yi )
2 2
(x2i − xi yi )   (x2i − xi yi ) · yi 
  a  
 i=1 i=1   1   i=1 
(c)  n · = n 
 ∑   ∑ 
 (x2i − xi yi ) n  a0  (yi ) 
i=1 i=1

Onde, b = 1/a1 e a = a0 /a1 .

1.017326 + x2
(d) f (x) =
0.995049 + x
(e) R2 = 0.9991530

15
 (f) O gráfico de ajuste:

10. (a) x3 e−y/x = bx2 + a

2

∑n
( 3 −y/x2 )2
(b) SQE = x e − (bx2 + a)
i=1
   n 
∑
n ∑n
  ∑( )
x5i · e−yi /xi
2
 (xi )4 (xi )2   
  a  
 i=1 i=1   1   i=1 
(c)  n · = n (  onde, b = a1 e a = a0 .
 ∑   ∑ ) 
 (xi )2 n  a0  e−yi /xi
2 
i=1 i=1

11. (a) e x2 /y = ax4 + bx2 + c

∑
n
( x2 /y )2
(b) SQE = e − (ax4 + bx2 + c)
i=1
 ∑n ∑n ∑n   ∑n ( ) 
 (xi ) 8
(xi )6
(xi )  
4 
 x 4
i · ex2i /yi

 i=1   
 i=1 i=1   a2   i=1 
 ∑     ∑ 
 n ∑n ∑n
    n ( 2 x2 /yi ) 

(c)  (xi ) 6
(xi )4 2  
(xi )  ·  a1 = xi · e i 
  
 i=1     i=1 
 i=1 i=1
    
 ∑n ∑n   ∑n ( ) 
  a0  2 
(xi )4 (xi )2 n exi /yi
i=1 i=1 i=1

Onde, a = a2 , b = a1 e b = a0 .

t
12. (a) f (t) = 12.557(1.00448)t e R2 = 0.631789, f (t) = e R2 = 0.9874095.
0.187865 + 0.055581t
(b) Pela qualidade do ajuste o modelo fracionário ajusta melhor os dados.

16
13. (a) y = 32.1468(1.4269)x e R2 = 0.999605 (b) y(7) = 387.274135

14. (a) y = 0.9975e−0.1146t e R2 = 0.999923 (b) y(3.5) = 0.66778

15. (a) P (t) = 67.342121205t0.5475295726 , P (6) = 67.342121205(6)0.5475295726 = 179.62 hab.

(b) P (t) = 58.7483302e0.21969729t , P (6) = 58.7483302e0.21969729(6) = 219.52 hab.

(c) R2 = 0.98361 e R2 = 0.9865, O melhor modelo de ajuste é o da letra b)

(d) P ′ (3) = 24.9494

16. ln(g(x) − 1) = bx + ln(a), g(x) = 1 + 0.987060e1.00364x , R2 = 0.99997385 e g ′ (1.5) = 4.4641

25

20

15
g(x)

10

0
0 0.5 1 1.5 2 2.5 3
x

17. ex y = ae2x + b, g(x) = 1.9996ex + 3.81623e−x , R2 = 0.9948

18. (a) (b) (c)

19. O mellhor ajuste acontece para o valor de a = 0.85, y = 0.85(1 − 10.97537e−0.03138x ), com

R2 = 0.9978.

20.

21.

22.

23.

24.

25.

17
26.

27.

28.

29.

30.

31.

32.

18