REVISÃO

Sistemas Lineares, Interpolação e Mínimos Quadrados

 Sistema
● Três pacientes usam, um conjunto, 1830 mg por mês de um certo medicamento em cápsulas.
O paciente A usa cápsulas de 5 mg, o paciente B, de 10 mg, e o paciente C, de 12 mg. O paciente
A toma metade do número de cápsulas de B e os três tomam juntos 180 cápsulas por mês. Qual o
número de cápsulas, tomadas por mês, pelo paciente C? Monte o sistema e use Método de Gauss
para resolver.
 
5 A  10 B  12C  1830  5 10 12   A   1830 
     
2 A  B  0  2  1 0 B
    0 
 A  B  C  180  1 51 1   C   180 
     

2
Considere o sistema linear:(feito no https://matrixcalc.org/ )

● Determinante diferente de zero, então sistema tem solução.

 5 10 12 
 
det  2 1 0   11
 1 51 1 
 

3
Considere o sistema linear:
● Método de Eliminação de Gauss sem pivoteamento

a21  2
a11  5
2
m21   0.4
5
L2  L2  m21.L1
4
Considere o sistema linear:
● Método de Eliminação de Gauss sem pivoteamento

a31  1
a11  5
1
m31   0.2
5
L3  L3  m31.L1
5
Considere o sistema linear:
● Método de Eliminação de Gauss sem pivoteamento

a32  1
a22  5
1
m32   0.2
5
L3  L3  m32 .L2
6
Considere o sistema linear:
● Método de Eliminação de Gauss sem pivoteamento.

C  90
B  60
A  30

● O paciente C toma 90 cápsulas por mês

7
Considere o sistema linear
A B/2
● Método Iterativo de Gauss Seidel B  180  A  C
● Critério de linhas C  (1830  5 A  10 B ) /12

8
EXERCÍCIO
POLINOMIOS DE LAGRANGE
GRAU 2 GRAU 3 GRAU 4
L0 = (x-1,3)*(x-1,6) L0 = (x-1,3)*(x-1,6)*(x-1,9) L0 = (x-1,3)*(x-1,6)*(x-1,9)*(x-2,2)
0,18 -0,162 0,1944

L1 = (x-1,0)*(x-1,6) L1 = (x-1,0)*(x-1,6)*(x-1,9) L1 = (x-1,0)*(x-1,6)*(x-1,9) *(x-2,2)

-0,09 0,054 -0,0486

L2 = (x-1,0)*(x-1,3) L2 = (x-1,0)*(x-1,3)*(x-1,9) L2 = (x-1,0)*(x-1,3)*(x-1,9) *(x-2,2)

0,18 -0,054 0,0324

L3 = (x-1,0)*(x-1,3)*(x-1,6) L3 = (x-1,0)*(x-1,3)*(x-1,6) *(x-2,2)

0,162 -0,0486

L4 = (x-1,0)*(x-1,3)*(x-1,6) *(x-1,9)
0,1944
POLINOMIOS DE LAGRANGE
GRAU 2
f(x) ≈ p2 (x) = L0 (x) f(x0) + L1 (x) f(x1) + L2 (x) f(x2)

f(x) ≈ p2 (x) = L0 (x) x 0,7651977 + L1 (x) x 0,6200860 + L2 (x) x 0,4554022

GRAU 3
f(x) ≈ p3 (x) = L0 (x) f(x0) + L1 (x) f(x1) + L2 (x) f(x2) + L3 (x) f(x3)

f(x) ≈ p3 (x) = L0 (x) x 0,7651977 + L1 (x) x 0,6200860 + L2 (x) x 0,4554022 + L3 (x) x 0,2818186

GRAU 4
f(x) ≈ p4 (x) = L0 (x) f(x0) + L1 (x) f(x1) + L2 (x) f(x2) + L3 (x) f(x3) + L4 (x) f(x4)

f(x) ≈ p4 (x) = L0 (x) x 0,7651977 + L1 (x) x 0,6200860 + L2 (x) x 0,4554022 + L3 (x) x 0,2818186 +
+ L4 (x) x 0,1103623
 POLINOMIOS DE LAGRANGE
GRAU 2 f(x) ≈ p2 (x) = L0 (x) x 0,7651977 + L1 (x) x 0,6200860 + L2 (x) x 0,4554022
L0 = (x-1,3)*(x-1,6)
0,18

L1 = (x-1,0)*(x-1,6)
-0,09

L2 = (x-1,0)*(x-1,3)
0,18
 POLINOMIOS DE LAGRANGE
GRAU 2 f(x) ≈ p2 (x) = L0 (x) x 0,7651977 + L1 (x) x 0,6200860 + L2 (x) x 0,4554022
L0 = (x-1,3)*(x-1,6)
0,18 L0 x 0,7651977
L1 x 0,620086
L1 = (x-1,0)*(x-1,6)
-0,09 L2 x 0,4554022
p2 (x)
L2 = (x-1,0)*(x-1,3)
0,18
 POLINOMIOS DE LAGRANGE
GRAU 2 f(x) ≈ p2 (x) = L0 (x) x 0,7651977 + L1 (x) x 0,6200860 + L2 (x) x 0,4554022
L0 = (x-1,3)*(x-1,6)
L0 x 0,7651977
0,18 p2 (x)

L1 = (x-1,0)*(x-1,6)
L2 x 0,4554022
-0,09

L2 = (x-1,0)*(x-1,3)
0,18

L1 x 0,620086
POLINOMIOS DE LAGRANGE
GRAU 2
f(x) ≈ p2 (x) = L0 (x) f(x0) + L1 (x) f(x1) + L2 (x) f(x2)

f(x) ≈ p2 (x) = L0 (x) x 0,7651977 + L1 (x) x 0,6200860 + L2 (x) x 0,4554022

GRAU 3
f(x) ≈ p3 (x) = L0 (x) f(x0) + L1 (x) f(x1) + L2 (x) f(x2) + L3 (x) f(x3)

f(x) ≈ p3 (x) = L0 (x) x 0,7651977 + L1 (x) x 0,6200860 + L2 (x) x 0,4554022 + L3 (x) x 0,2818186

GRAU 4
f(x) ≈ p4 (x) = L0 (x) f(x0) + L1 (x) f(x1) + L2 (x) f(x2) + L3 (x) f(x3) + L4 (x) f(x4)

f(x) ≈ p4 (x) = L0 (x) x 0,7651977 + L1 (x) x 0,6200860 + L2 (x) x 0,4554022 + L3 (x) x 0,2818186 +
+ L4 (x) x 0,1103623
POLINOMIOS DE LAGRANGE
GRAU 2

p2(x) = +((x-1,3)*(x-1,6)/0,18)*0,7651977 + ((x-1,0)*(x-1,6)/(-0,09))*0,620086 + ((x-1,0)*(x-1,3)/0,18)*0,4554022

GRAU 3

p3(x) = ((x-1,3)*(x-1,6)*(x-1,9)/(-0,162))* 0,7651977+((x-1,0)*(x-1,6)*(x-1,9)/0,054)* 0,620086+((x-1,0)*(x-1,3)*(x-1,9)/(-

0,054))* 0,4554022+((x-1,0)*(x-1,3)*(x-1,6)/0,162)*0,2818186

GRAU 4
p4(x) = ((x-1,3)*(x-1,6)*(x-1,9)*(x-2,2)/0,1944)* 0,7651977+((x-1,0)*(x-1,6)*(x-1,9) *(x-2,2)/(-0,0486))* 0,620086+((x-1,0)*(x-
1,3)*(x-1,9) *(x-2,2)/0,0324)* 0,4554022+((x-1,0)*(x-1,3)*(x-1,6) *(x-2,2)/(-0,0486))* 0,2818186+((x-1,0)*(x-1,3)*(x-1,6)
*(x-1,9)/0,1944)*0,1103623
 x P2 P3 P4

POLINOMIOS DE LAGRANGE 1,5 0,5124715 0,5118127 0,5118200

p4 (x)

p2 (x)
p3 (x)
 POLINOMIOS NEWTON
GRAU 4
pn ( x)  a0  a1 ( x  x0 )  a2 ( x  x0 )( x  x1 )  ...  an ( x  x0 )( x  x1 )...( x  xn 1 )

p(x) = 0,765198-0,48371*(x-1)-0,10873*(x-1)*(x-1,3)+0,065878*(x-1)*(x-1,3)*(x-1,6)+0,001825*(x-1)*(x-1,3)*(x-1,6)*(x-1,9)

x P2 P3 P4
1,5 0,5124715 0,5118127 0,5118200
 MÍNIMOS QUADRADOS
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 por mínimos
quadrados ao conjunto de dados apresentados a seguir. Esses dados foram
coletados em amostras obtidas durante um período de dois anos.
Seja x o número de peixes na amostra e y o número de espécies na mesma
amostra, determine o polinômio que ajusta pelos mínimos quadrados esses
dados
x 13 15 16 21 22 23 25 29 31 31 36 40 42 55 60 62 64 70 72 100 130
y 11 10 11 12 12 13 13 12 14 16 17 13 14 22 14 21 21 24 17 23 34
 MÍNIMOS QUADRADOS
Matriz de ajuste
 m  m  m  m

   g1 ( xk ).g1 ( xk )  1    g 2 ( xk ).g1 ( xk )   2    g 3 ( x k ).g1 ( x k )   n   f ( x k ) g 1( x k )

  k 1   k 1   k 1  k 1

  m  m   m  m

   g1 ( xk ).g 2 ( xk )  1    g 2 ( xk ).g 2 ( xk )   2    g 3 ( xk ).g 2 ( x k )   n   f ( x k ) g 2 ( x k )

  k 1   k 1   k 1  k 1
 m  m   m  m
   g1 ( xk ).g3 ( xk )  1    g 2 ( xk ).g 3 ( xk )   2    g 3 ( xk ).g 3 ( xk )   n   f ( x k ) g 3 ( x k )
  k 1   k 1   k 1  k 1
 MÍNIMOS QUADRADOS
Diagrama de dispersão x o número de peixes na amostra
y o número de espécies na mesma amostra
35

30

25

20

15

10

0
0 20 40 60 80 100 120 140
 MÍNIMOS QUADRADOS
Diagrama de dispersão 35

30

25

20

15

10

0
0 20 40 60 80 100 120 140
 MÍNIMOS QUADRADOS
Ajuste por uma reta que não passa na origem f ( x)   ( x)  1   2 x
g1 ( x)  1
g 2 ( x)  x
 m
 m
  m

 
 k 1
g1 ( xk ). g1 ( x )
k  1

   
 k 1
g 2 ( xk ). g1 ( xk   2   f ( xk ) g1 ( xk )
)
 k 1
 m m m
  g ( x ).g ( x )     g ( x ).g ( x )   
  
k 1
1 k 2 k  1

 2 k 2 k  2  f ( xk ) g 2 ( xk )
 k 1  k 1

  21   21  21

  1 1    xk   2   f ( xk )
 k 1   k 1  k 1
 21 21 m
 x     x 2   
  
k 1
k 1

  k  2  f ( xk ).xk
 k 1  k 1
 x y=f(x) x^2 f(x).x
1 13 11 169 143
MÍNIMOS QUADRADOS 2
3
15
16
10
11
225
256
150
176
4 21 12 441 252
Ajuste por uma reta que não passa na origem 5 22 12 484 264
6 23 13 529 299
7 25 13 625 325
f ( x )   ( x )  1   2 x 8 29 12 841 348
9 31 14 961 434
  21   21  21 10 31 16 961 496
  1 1    xk   2   f ( xk ) 11 36 17 1296 612
 k 1   k 1  k 1 12 40 13 1600 520
 21 21 m 13 42 14 1764 588
 x     x 2   
     k  2  f ( xk ).x k
k 1 14 55 22 3025 1210
k 1   k 1  k 1 15 60 14 3600 840
16 62 21 3844 1302
17 64 21 4096 1344
211  957 2  344 18 70 24 4900 1680
 19 72 17 5184 1224
9571  61701 2  18927 20 100 23 10000 2300
21 130 34 16900 4420

SOMA 957 344 61701 18927

 MÍNIMOS QUADRADOS
Ajuste por uma reta que não passa na origem

f ( x )   ( x )  1   2 x

  21   21  21

  1 1    xk   2   f ( xk )
 k 1   k 1  k 1
 21 21 m
 x     x 2   
  
k 1
k 1

  k  2  f ( xk ).x k
 k 1  k 1

211  957 2  344 1  8,192

 
9571  61701 2  18927  2  0,180
 ( x)  8,192  0,180 x
40

35

30

25

20 Valores tabelados
Aproximação

15

10

0
0 20 40 60 80 100 120 140

Gráfico dos valores

 MÍNIMOS QUADRADOS
Diagrama de dispersão 35
f(x) = 0.306753537219818 x

30 f(x) = 0.179689474349255 x + 8.19224633560778

25

20

15

10

0
0 20 40 60 80 100 120 140