Escolar Documentos
Profissional Documentos
Cultura Documentos
1
Problema clássico da interpolação
▸ Fenômeno de Runge: pontos de abscissa igualmente espaçados.
f ( x)
1
f ( x)
1 25 x 2
1 x 1
2
▸ Polinômio de Lagrange grau 4.
P4 ( x) 3,315653x 4 4, 277193x 2 1
1
f ( x) P4 ( x)
1 25 x 2
{1; 0.5;0;0.5;1}
f ( x)
https://es.planetcalc.com/8692/
3
▸ Polinômio de Lagrange grau 8.
P8 ( x) 38,15013x8 82, 41981x 6 56, 26837 x 4 12,96023x 2 1
1
f ( x)
1 25 x 2 P4 ( x)
P8 ( x)
f ( x)
4
Polinômio de grau 20
P20 ( x)
f ( x)
5
Ajuste de curvas pelo
método dos mínimos
quadrados
“
Queremos uma função que seja uma “boa
aproximação” para valores tabelados, e que nos
permita “extrapolar” com certa margem de
segurança.
7
DE uma forma geral …
Experimentos
geram uma gama de
dados que devem ser
analisados para a criação
de um modelo.
Função
Obter uma função matemática que
represente (ou que ajuste) os dados
permitindo fazer simulações do
processo de forma confiável e
reduzindo assim repetições de
experimentos que podem ter um
custo alto.
8
Método dos mínimos Quadrados
É o mais utilizado por ter uma aboradagem simples, ser
preciso, e seu resultado abrange várias funções,
principalmente polinômios.
9
A escolha da função pode ser:
10
Caso Discreto
Dados
Temos uma tabela de pontos pertencentes a
um intervalo. x x1 x2 x3 ... xn
11
Caso Discreto
Dados
Este é um modelo matemático linear por que
os coeficientes a determinar x x1 x2 x3 ... xn
12
Caso Discreto
Dados
Este é um modelo matemático linear por que
os coeficientes a determinar
▸ Observando o Diagrama de
Dispersão dos pontos tabelados;
1 , 2 , 3 ,..., n
▸ Basear-se em fundamentos
Aparecem linearmente, embora as funções teóricos do experimento.
gn(x) possam ser funções não lineares de x.
Excel
13
EXEMPLO
Considere uma experiência onde foram
medidos vários valores de corrente elétrica que
passa por uma resistência submetida a várias
tensões, colocando os valores correspondentes
da tensão e da corrente em um gráfico, vê-se
que:
i g1 (i ) i e (i ) 1 g1 (i )
14
x
-1,00
-0,75
f(x)
2,050
1,153
CUIDADO!
-0,60 0,450
-0,50 0,400
-0,30 0,500
0,00 0,000
0,20 0,200
0,40
0,50
0,600
0,512 Qual parábola
0,70
1,00
1,200
2,050 se ajusta melhor
aos dados 2.500
do exemplo?? 2.000
1.500
1.000
0.500
0.000
-1.50 -1.00 -0.50 0.00 0.50 1.00 1.50
15
CUIDADO!
Qual reta
se ajusta melhor
V
aos dados
do exemplo??
16
Método dos´Mínimos Quadrados
d k f ( xk ) ( xk )
17
Método dos´Mínimos Quadrados
( x)
Ou seja, nosso objetivo é
encontrar os coeficientes α
tais que a soma dos quadrados
dos desvios seja mínima,
m m
d f ( xk ) ( xk )
2 2
k m
F (1 , 2 ,..., n ) f ( xk ) ( xk )
k 1 k 1 2
k 1
m
f ( xk ) 1 g1 ( xk ) 2 g 2 ( xk ) ... n g n ( xk )
2
k 1
18
Método dos´Mínimos Quadrados
F
(1 , 2 ,..., n ) 0, j 1, 2,..., n
j
m
f ( x ) g ( x ) ...
k 1
k 1 1 k n g n ( xk ) . g j ( xk ) 0
Portanto:
m
j 1 f ( xk ) 1 g1 ( xk ) ... n g n ( xk ) . g1 ( xk ) 0
k 1
m
j 2 f ( xk ) 1 g1 ( xk ) ... n g n ( xk ) . g 2 ( xk ) 0
k 1
m
j n f ( xk ) 1 g1 ( xk ) ... n g n ( xk ) . g n ( xk ) 0
k 1
19
Método dos´Mínimos Quadrados
m m m m
1 k 1 k 1 2 k 1 k 2
g ( x ). g ( x ) g ( x ). g ( x ) ... n k 1 k n f ( x k ) g1 ( x k )
g ( x ). g ( x )
k 1 k 1 k 1 k 1
m m m m
1 k 2 k 1 2 k 2 k 2
g ( x ). g ( x ) g ( x ). g ( x ) ... n k 2 k n f ( xk ) g 2 ( x k )
g ( x ). g ( x )
k 1 k 1 k 1 k 1
Tem-se o sistema linear m
m m m
20
EXEMPLO
x f(x)
-1,00 2,050 Dados
-0,75 1,153 Ajustar os dados por uma parábola
-0,60 0,450
-0,50 0,400
passando na origem:
-0,30 0,500
0,00 0,000 f ( x ) ( x ) 1 x 2
0,20 0,200
0,40 0,600
0,50 0,512 Diagrama de Dispersão
11 11
g1 ( xk ) g1 ( xk ) 1 f ( xk ) g1 ( xk )
0,70 1,200
1,00 2,050
k 1 k 1
11 2 2 11
xk .xk 1 f ( xk ) xk
2
g1 ( x) x 2 k 1 k 1
21
EXEMPLO
x f(x)
-1,00 2,050 Dados
-0,75 1,153 Ajustar os dados por uma parábola
-0,60 0,450
-0,50 0,400
passando na origem:
-0,30 0,500
0,00 0,000 f ( x ) ( x ) 1 x 2
0,20 0,200
0,40 0,600 11 2 2 11
xk .xk 1 f ( xk ) xk
2
0,50 0,512 Diagrama de Dispersão
0,70 1,200 k 1 k 1
1,00 2,050
2.84641 5.8756
1 2.0642
22
EXEMPLO
Tabela auxiliar no Excel
Ajustar os dados por uma parábola
g1 ( x) x 2 passando na origem:
f ( x ) ( x ) 1 x 2
11 2 2 11
xk .xk 1 f ( xk ) xk
2
k 1 k 1
2.84641 5.8756
1 2.0642
f ( x) ( x) 2.0642 x 2
23
Gráfico comparando a função aproximada e os dados tabelados
2.5
2.0
1.5
Dados tabelados
Função Phi aproximação
1.0
0.5
0.0
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
24
Caso Não Linear
25
Caso Não Linear
Exemplo:
f(x) Num laboratório os seguintes dados experimentais
foram obtidos:
f ( x) ( x) ae bx y* 1 2 x
1 ln a e 2 b
26
Caso Não Linear
y*
3.5986 2.8486 2.0986 1.3486 0.5988 -0.1508 -0.9014 -1.4024
f *(x)=lnf(x)
y* 1 2 x y* ( x) 1 2 x
1 ln a e 2 b g1 ( x) 1
Lineariação g 2 ( x) x
Caso Não Linear
8 8 8
Método Mínimos Quadrados g1 ( xk ).g1 ( xk ) 1 g 2 ( xk ).g1 ( xk ) 2 f *( xk ) g1 ( xk )
k 1 k 1 k 1
8
y* f *( x) ( x ) 1 2 x 8
g ( x ).g ( x ) g ( x ).g ( x )
8
g1 ( x) 1
k 1
1 k 2 k 1
2 k 2 k 2 f *( xk ) g 2 ( xk )
k 1 k 1
g 2 ( x) x 8 8 8
8 8 8
1 1 xk 2 f *( xk )
k 1 k 1 k 1
8 8 8
x x2
k 1
k 1
k 2 f *( xk ).xk
k 1 k 1
Caso Não Linear
Método Mínimos Quadrados
y* f *( x) ( x ) 1 2 x
g1 ( x) 1
g 2 ( x) x
8 8 8
1 1 xk 2 f *( xk )
k 1 k 1 k 1
8 8 8
x x2
k 1
k 1
k 2 f *( xk ).xk
k 1 k 1
y* ( x) 1 2 x
f ( x ) ( x) ae bx
g1 ( x ) 1
g 2 ( x) x y* 1 2 x
1 ln a e 2 b
1 1.0986
2 2.5002 a e1 =e1.0986 =3 e b 2.5002
y* ( x) 1.0986 2.5002 x
f ( x) ( x) 3e 2.5002 x
Caso Não Linear
Curva gerada pelo Excel, com método próprio de ajuste
Método Mínimos Quadrados de curvas
40.0
2.5002 x
f ( x) ( x) 3e
f(x) = 2.99992321940593 exp( − 2.50019855847186 x ) 35.0
30.0
25.0
20.0
15.0
10.0
5.0
0.0
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Algumas funções e as substituições para linearização
33