Baixe o app para aproveitar ainda mais
Prévia do material em texto
Profa. Simone Tomazzoni A tabela a seguir apresenta a concentração de oxigênio dissolvido em água como uma função da temperatura para uma concentração de cloreto de 10 g/l Considere que você deseja obter um valor para a concentração que não se encontra na tabela. Nesse caso você teria que aproximar, ou seja, você teria que estimar um valor para concentração desejada, com base nas temperaturas que a determinam. Existem duas classes de métodos para aproximação de dados: interpolação e ajuste. A distinção entre elas está em considerarmos, ou não, a existência de erros nos dados. No primeiro caso, consideramos que os dados são precisos e, portanto pode-se exigir que a curva de aproximação passe pelos pontos dados. No segundo caso, são considerados possíveis erros introduzidos na obtenção dos dados. -2 0 2 4 6 8 10 12 14 16 9 10 11 12 13 14 15 16 temperatura (°C) co nc en tr aç ão ( g/ l) -2 0 2 4 6 8 10 12 14 16 9 10 11 12 13 14 15 16 temperatura (°C) co nc en tr aç ão ( g/ l) Figura 1: À esquerda: ajuste e à direita, interpolação. Em ambos os casos, deseja-se aproximar f por outra função g mais apropriada, ou seja: f(x) g(x) Na maioria das vezes, tem-se as seguintes situações: a) deseja-se avaliar quantitativamente, valores de uma função f que é conhecida em apenas alguns pontos base. b) deseja-se substituir uma função f de difícil tratamento, por uma função g de manuseio mais simples; Figura 2: À esquerda, a expressão de f é desconhecida e à direita, f é de difícil tratamento Problemas como esses surgem em muitas áreas da matemática, da engenharia e das ciências em geral. Dentro da matemática, a interpolação desempenha papel essencial no próprio cálculo numérico. Nesse exemplo particular, citamos o cálculo de valores de funções complicadas, como as funções transcendentes, a integração numérica e as soluções de equações diferenciais. O exemplo mais simples de aproximação por mínimos quadrados é ajustar uma reta a um conjunto de pares de observação (x1, y1), (x2, y2), ..., (xn, yn) A expressão matemática do ajuste por uma reta é: Onde r é o erro ou resíduo entre o modelo e a observação, dado por: 0 1y a a x r 0 1r y a a x Uma estratégia é minimizar a soma dos quadrados dos resíduos entre o valor de y medido e o valor de y calculado com o modelo linear: 2 2 2 , ,mod 0 1 1 1 1 ( ) ( ) n n n r i i medido i elo i i i i i S r y y y a a x Para determinar os valores de a0 e a1 que minimizam a soma dos quadrados dos resíduos, a equação apresentada é derivada com relação a cada coeficiente: n i iii r n i ii r xaayx a S xaay a S 1 10 1 1 10 0 )(2 )(2 Igualando as derivadas a zero será obtido um Sr mínimo. As equações podem ser expressas como: 0 0 1 2 1 1 0 1 1 1 1 0 1 n i i n i i n i ii n i i n i n i i xaxaxy xaay As equações podem ser expressas coo um sistema de duas equações lineares, ditas equações normais: 0 1 1 1 2 0 1 1 1 1 n n i i i i n n n i i i i i i i n a x a y x a x a y x As equações do sistema podem ser resolvidas simultaneamente através das expressões abaixo: 2 11 2 111 1 n i i n i i n i i n i i n i ii xxn yxyxn a xaya 10 Ajuste uma reta aos valores de x e y para os dados apresentados na tabela a seguir: O procedimento dos mínimos quadrados pode ser estendido para ajustar dados por um polinômio de maior grau. Por exemplo, suponha que se queira ajustar um polinômio de segundo grau: Nesse caso, a soma dos quadrados dos resíduos é: 2 0 1 2y a a x a x r n i iiir xaxaayS 1 22 210 )( Seguindo o mesmo procedimento usado para ajuste por uma reta, toma-se a derivada de Sr com relação a cada um dos coeficientes do polinômio: n i iiii r n i iiii r n i iii r xaxaayx a S xaxaayx a S xaxaay a S 1 2 210 2 2 1 2 210 1 1 2 210 0 )(2 )(2 )(2 As equações apresentadas são igualadas a zero e reorganizadas para determinar o sistema linear de equações normais: 2 0 1 2 1 1 1 2 3 0 1 2 1 1 1 1 2 3 4 2 0 1 2 1 1 1 1 + n n n i i i i i i n n n n i i i i i i i i i n n n n i i i i i i i i i n a x a x a y x a x a x a y x x a x a x a y x Ajustar um polinômio de segundo grau aos dados da tabela a seguir: É conhecido que a força de tensão do plástico aumenta em função do tempo quando ele é tratado com calor. São coletados os seguintes dados: Ajuste uma reta a esses dados e use a equação encontrada para determinar a força de tensão para o instante 32 minutos. Construa o gráfico dos dados e da reta ajustada. Tempo 10 15 20 25 40 50 55 60 75 Força de tensão 5 20 18 40 33 54 70 60 78 Alguns modelos não lineares podem ser linearizados para obter a curva de ajuste, conforme os exemplos a seguir. Modelo Curva Forma linear Y = A0+ A1X Exponencial Potência simples Racional 1 0 a x y a e 1 0 a y a x 0 1 x y a a x 0 1log( ) log( )y a a x 0 1log( ) log( ) log( )y a a x 0 1 1 1 a a y x Determinar os parâmetros a e b, para o ajuste de aos dados apresentados na figura. bxy ae x 10 20 30 40 50 60 70 80 y 25 70 340 550 810 1320 1840 2450 Use o método dos mínimos quadrados para ajustar (a) uma reta, (b) uma potência simples, (c) uma parábola e (d) uma equação racional para o conjunto de dados a seguir. Construa um gráfico dos dados e de todas as curvas. Qual das curvas se ajusta melhor aos dados? x 5 10 15 20 25 30 35 40 45 50 y 17 24 31 33 37 37 40 40 42 41
Compartilhar