Escolar Documentos
Profissional Documentos
Cultura Documentos
Solução:
Para fazer a regressão linear com os valores da tabela 2, a função de ajuste será φ(x) = α1 + α2 x, com φ1 (x) = 1 e
φ2 (x) = x. Daı́, o sistema linear que se obtém é
8
! 8
! 8
!
X X X
1 α1 + xk α2 = f (xk )
8.00 9.40 α1 8.325
k=1! k=1 ! k=1 ! ⇒ · = ⇒
8 8 8
X X
2
X 9.40 11.15 α2 9.806
xk α1 + (xk ) α2 = xk · f (xk )
k=1 k=1 k=1
α1 0.770655
= . Logo. φ(x) = 0.770665 + 0.229762x
α2 0.229762
A figura 1 apresenta o resultado da função de ajuste obtida em conjunto com os pontos da tabela.
8. O jornal Folha de São Paulo publicou, no caderno mundo, uma reportagem sobre o crescimento demográfico mundial
da população humana, conforme os dados apresentados na tabela 3.
Com base nestes dados, faça um ajuste não-linear para obter qual era a população total no nosso planeta no ano
1500 e faça uma estimativa para o ano 2020.
Solução:
No caso deste ajuste, algumas opções para a escolha da função de ajuste seriam φ(t) = a · bt ou φ(t) = a · ebt ou
φ(t) = a · 10bt , que são funções do tipo exponencial, mudando apenas a base. Para as duas primeiras escolhas, a
linearização do problema será tomando z = ln p, em que p é a população mundial dada e no caso da terceira escolha
a linearização será tomando z = log10 p. Daı́, a função de ajuste será da forma φ(t) = c1 + c2 t, com φ1 (t) = 1 e
φ2 (t) = t, cujos sistemas lineares que se obtém são da forma
9
! 9
! 9
!
X X X
1 c1 + tk c2 = p(tk )
9 5405 c 186.9837865
k=1 k=1 k=1 ! ⇒ 1
9
! 9
! 9 · = ⇒
X X
2
X 5405 89725777 c2 162053.3733
t k c1 + (tk ) c2 = tk · p(tk )
k=1 k=1 k=1
c1 20.4304
= . Logo, φ(t) = 20.389 + 0.000569t. Para a primeira escolha, se tem a = ec1 e b = ec2 ⇒
c2 0.000575
p(t) = (7.16 × 108 ) · 1.00057t , no caso da segunda escolha, então a = ec1 e b = c2 e no caso da terceira escolha, se
tem a = 10c1 e b = c2 , neste caso os valores de c1 e c2 serão outros devido o sistema linear ser diferente para o
termo independente. Portanto, no caso da segunda escolha p(t) = (7.46 × 108 )e0.000575t .
A figura 2 apresenta o resultado da função de ajuste obtida para a segunda escolha em conjunto com os pontos da
tabela.
Por fim, para estimar os valores pedidos, tomando a segunda escolha para p(t) = (7.46 × 108 )e0.000575t , se tem
p(1500) = (7.46 × 108 )e0.000575·1500 = 1.008 × 109 . Enquanto, p(2020) = (7.46 × 108 )e0.000575·2020 = 3.07 × 109 .
Prof. Geraldo L. Diniz 3
Algumas observações:
(i) Observando o gráfico da figura 2, há uma nı́tida diferença para a função de ajuste e os dados reais na parte
final, a partir do ano 1750. Se desconsiderar o dado inicial (8000 AC) os resultados da aproximação melhoram,
conforme pode ser visto na figura 3. Neste caso, a função de ajuste seria p(t) = (2.456 × 108 )e0.0012222·t ⇒
p(1500) ≈ 1.54 × 109 e p(2020) ≈ 2.66 × 109 , apesar de superestimar a população em 1500 e subestimar (e
muito!) a população em 2020.
(ii) Se forem desconsiderados os dois primeiros valores da tabela, ou seja, 8000 AC e 1 DC, a melhora é considerável,
como pode ser obervado na figura 4, mas somente para este conjunto de dados. Neste caso, a função de ajuste
seria p(t) = (1.051 × 103 )e0.00766·t ⇒ p(1500) = 1.032 × 108 e p(2020) = 5.55 × 109 , valores mais razoáveis, mas
em ambos os casos subestimados.
(iii) Estas observações indicam que, para crescimento populacional, o modelo de Malthus (crescimento exponencial)
pode ser usado, mas para intervalos menores de tempo, por exemplo, para algumas décadas e não para perı́odos
de longo prazo, como obtido nas figuras 2 e 3.
1
(a) usando a aproximação y ≈ ;
a + bx
(b) usando a aproximação y ≈ abx
(c) faça um gráfico contendo os valores dados e aqueles obtidos pelas aproximações encontradas em (a) e (b). O
que você pode concluir?
Solução:
1 1
(a) usando a aproximação y ≈ a linearização do problema se faz por z = , o que permite construir a
a + bx y
tabela 5 a seguir.
1
Tabela 5: Dados linearizados para z = .
y
k xk (xk )2 zk xk zk
1 -8.00 64.00 0.0333 -0.2667
2 -6.00 36.00 0.1000 -0.6000
3 -4.00 16.00 0.1111 -0.4444
4 -2.00 4.00 0.1667 -0.3333
5 0.00 0.00 0.2000 0.0000
6 2.00 4.00 0.2500 0.5000
7 4.00 16.00 0.2500 1.0000
7
X
-14 140 1.1111 -0.1444
k=1
(b) usando a aproximação y ≈ abx a linearização do problema se faz por z = ln y, o que permite construir a tabela
6 a seguir.
Assim, a função de ajuste linearizada será φb (x) = c1 + c2 x, com φ1 (x) = 1 e φ2 (x) = x, sendo c1 = ln a e
c2 = ln b. Daı́, o sistema linear que se obtém é
7
! 7
! 7
!
X X X
1 c1 + xk c2 = zk
7 −14 c1 14.0748
k=1 k=1 k=1
7
! 7
! 7
! ⇒ · = ⇒
X X
2
X −14 140 c2 −45.0797
x k c1 + (xk ) c2 = xk · zk
k=1 k=1 k=1
c1 1.70836
=
c2 −0.15116
Como a = ec1 e b = ec2 .
Portanto, φb (x) = 5.5199 · 0.859708x .
(c) A figura 5 apresenta o resultado das funções de ajuste obtidas nos itens (a) e (b) em conjunto com os pontos
da tabela 4.
Com base na figura 5, aparentemente a função φa (x) produz um melhor ajuste, mas isto só pode ser demons-
7
X 2
trado através do cálculo do resı́duo, dado por Ri = (yk − φi (xk )) , que no caso de φa (x) se tem Ra = 83.66,
k=1
enquanto no caso de φb (x) se tem Rb = 150.40.
1
Portanto, o menor resı́duo é a melhor escolha, neste caso φa (x) =
a + bx
6 Respostas da Lista 2 (ajuste) – Cálculo numérico
10. Cite duas vantagens do método de Newton para a interpolação polinomial sobre os outros métodos?
13. Qual a principal diferença entre a interpolação e o ajuste de curvas para uma tabela de pontos?
Na interpolação sempre deve ser satisfeita a condição φ(xi ) = yi , enquanto no ajuste os valores de φ(xi ) devem
estar próximos de yi , o que contorna possı́veis erros na coleta de dados, sem comprometer a função de ajuste.
Desvantagens: