Baixe o app para aproveitar ainda mais
Prévia do material em texto
Cálculo Numérico EAD - Aula 5: Introdução aos Quadrados Mínimos UNILA-ILACVN Conteúdos 1 Introdução e Motivação 2 Sobre álgebra linear 3 Ajuste por polinômios 4 Referências © UNILA-ILACVN 2 Introdução Já vimos que podemos trabalhar com interpolação polinomial quando temos uma tabela de valores. No entanto, existem situações em que o uso da interpolação não é apropriado ou mesmo aconselhável: • Quando precisamos obter um valor aproximado fora da tabela de valores. • Em casos em que o valores da tabela contém erros inerentes ao experimento. © UNILA-ILACVN 3 Introdução Existe a necessidade de ajustar os valores tabelados por aproximações que nos permitam extrapolar com uma certa marge de segurança. © UNILA-ILACVN 4 Motivação - Lei de Hooke Formulação A lei de Hooke é dada por ‖~F‖ = κ∆x, onde κ representa a constante elástica. © UNILA-ILACVN 5 Motivação - Lei de Hooke Imagine que você está interessado em determinar a constante elástica de uma mola. Após vários experimentos você obteve a seguinte tabela: ∆x (m) 0 0.1 0.2 0.4 ‖~F‖ (N) 0 5 15 20 Você consegue descobrir um valor aproximado para a constante elástica κ desta mola? © UNILA-ILACVN 6 Lei de Hooke © UNILA-ILACVN 7 Motivação Sistema incompatível Pela lei de Hooke temos κ(0.1) = 5 κ(0.2) = 15 κ(0.4) = 20 É muito claro que este sistema não possui solução! Como podemos obter o κ? Vamos deixar este problema em espera e voltar nossa atenção aos conteúdos do seu ciclo básico de Matemática. © UNILA-ILACVN 8 Subespaço de Rm Teorema Seja S um subespaço vetorial de Rm. Para cada ~b ∈ Rm existe um único elemento ~p ∈ S que está o mais próximo possível de ~b. Em outras palavras, temos que ‖~b−~y‖ > ‖~b− ~p‖ para todo~y 6= ~p em S. Observação Um vetor ~p ∈ S está mais próximo possível de um vetor dado ~b ∈ Rm se, e somente se (~b− ~p) ∈ S⊥. Onde S⊥ é o complemento ortogonal de S. © UNILA-ILACVN 9 Subespaço de R2 © UNILA-ILACVN 10 Equações Normais Solução em quadrados mínimos Se A é uma matriz m× n de posto n, então as equações normais ATAx = ATb possuem uma única solução x∗ = (ATA)−1ATb. Dizemos que x∗ é a solução de quadrados mínimos de Ax = b. © UNILA-ILACVN 11 Voltando ao exemplo da lei de Hooke Problema da mola Voltando ao problema da mola, podemos escrever o sistema na forma de equações normais: κ [ 0.1 0.2 0.4 ] 0.10.2 0.4 = [0.1 0.2 0.4] 515 20 que implica κ (0.21)=11.5, portanto temos κ ≈ 54.7(N/m). Observação Esta formulação poderia ter sido feita por uso de cálculo diferencial integral. No futuro, teremos uma aula sobre teoria da aproximação onde vamos explorar tais idéias. © UNILA-ILACVN 12 Ajuste por polinômios © UNILA-ILACVN 13 Ajuste por reta Considere a tabela de valores x x0 x1 ... xn y y0 y1 ... yn Vamos ajustar estes dados usando y = α0 + α1x, neste caso temos o sistema: 1 x0 1 x1 . . . . 1 xn [ α0 α1 ] = y0 y1 . . yn que é um sistema incompatível. © UNILA-ILACVN 14 Ajuste por reta: Equações normais As equações normais são dadas por [ 1 1 . . 1 x0 x1 . . xn ] 1 x0 1 x1 . . . . 1 xn [ α0 α1 ] = [ 1 1 . . 1 x0 x1 . . xn ] y0 y1 . . yn as equações normais ficam da forma[ a b b c ] [ α0 α1 ] = [ y∗0 y∗1 ] (1) que é um sistema com solução pois a matriz é invertível. A solução de (1) fornece os parâmetros para a curva que melhor ajusta os dados. © UNILA-ILACVN 15 Ajuste por reta: Exemplo Dada a tabela de valores: x 0 3 6 y 1 4 5 Vamos ajustar estes dados usando y = α0 + α1x. As equações normais são [ 1 1 1 0 3 6 ]1 01 3 1 6 [α0 α1 ] = [ 1 1 1 0 3 6 ]14 5 portanto [ 3 9 9 45 ] [ α0 α1 ] = [ 10 42 ] com solução α0 = 43 e α1 = 2 3 e a reta que melhor ajusta os dados é y = 4 3 + 2 3 x. © UNILA-ILACVN 16 Ajuste por uma função quadrática Considere a mesma tabela x x0 x1 ... xn y y0 y1 ... yn e vamos ajustar estes dados usando y = α0 + α1x + α2x2. que gera o sistema 1 x0 x20 1 x1 x21 . . . . . . 1 xn x2n α0α1 α2 = y0 y1 . . yn Podemos também neste caso usar as equações normais para resolver o sistema.Vejamos por meio de um exemplo. © UNILA-ILACVN 17 Ajuste por uma função quadrática: Exemplo Dada a tabela de valores: x 0 1 2 3 y 3 2 4 4 O sistema fica dado por 1 0 0 1 1 1 1 2 4 1 3 9 α0α1 α2 = 3 2 4 4 com as equações normais (ATAx = ATb) 4 6 146 14 36 14 36 98 α0α1 α2 = 1322 54 e resolvendo este sistema vemos que a curva que melhor ajusta os dados é y = 2.75− 0.25x + 0.25x2. © UNILA-ILACVN 18 Comentários • Generalize para polinômios de ordem mais alta. • Implemente uma rotina para fazer o procedimento. • Casos não lineares serão estudados na aula de teoria da aproximação. © UNILA-ILACVN 19 Referências • Ruggiero, M. A. G. e Lopes, V. L. R. - Cálculo Numérico: aspectos teóricos e computacionais. • Neide Bertoldi Franco - Cálculo Numérico • Steve Leon - Álgebra Linear com Aplicações • H. Moysés Nussenzveig - Um curso de física © UNILA-ILACVN 20 Introdução e Motivação Sobre álgebra linear Ajuste por polinômios Referências
Compartilhar