Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Modelagem Numérica Capítulo 2 Interpolação e Ajustamento de Curvas 2.1 - Introdução Seja um conjunto de pares numéricos representativos de pontos discretos sobre dada curva, figura 1. A partir desses pares numéricos podem-se achar pontos intermediários de tal curva situados entre os referidos pontos discretos. Se o conjunto de pares numéricos representa pontos obtidos de forma exata a partir de uma dada função, o procedimento mais apropriado a ser utilizado para a determinação dos pontos intermediários pode ser a interpolação. Figura 1 2 Por outro lado, se os pares numéricos resultarem de aproximações provenientes de medições experimentais efetuadas, passíveis de imprecisões, figura 2, o procedimento mais adequado para a determinação dos pontos intermediários seria o ajustamento de curva. Neste último caso, a tônica do problema é a minimização do erro cometido nos procedimentos que culminam em tal tarefa. Figura 2 Exemplo 1: encontrar o valor de b = sen(6,5) a partir de valores da função seno provenientes de tabela graduada em intervalos de 1o. Presumidamente, a tabela é elaborada a partir de valores mais precisos obtidos diretamente da função f(x) = sen(x). O fato de a função ser estritamente crescente no intervalo entre x = 6 e x = 7, deixa-nos com a convicção de que teremos a precisão beneficiada por tal particularidade. A partir do emprego da tabela obtém-se sen(6) = 0,10453 e sen(7) = 0,12187. Devemos supor, com certa dose de recurso intuitivo, que a ligação dos pontos da curva em tal intervalo mediante segmento de reta, figura 3, representa procedimento que resulta em boa aproximação, e, que tal afirmativa seria tanto mais verdadeira, quanto mais próximos entre si estiverem os pontos do extremo do intervalo. Nestes termos, o ponto intermediário deverá recair em posição bem próxima de ponto sobre tal segmento, considerando-se, sobretudo, que esses pontos discretos são, suficientemente, próximos. Assim 3 sendo, uma vez que o ponto a considerar é eqüidistante dos pontos do extremo do intervalo, pode-se recorrer à média aritmética para se obter: 1132,0 2 )7(sen)6(sen )5,6(sen Tal valor pode ser confrontado com aquele obtido a partir da utilização de uma calculadora eletrônica comum. Figura 3 Exemplo 2: As leituras dos valores de deformações e tensões em um ensaio experimental quase-estático de carga não destrutivo em corpo de prova de concreto, são efetuadas em intervalos de deformações de 0,025% e lançadas em gráfico resultando em conjunto de pontos discretos, figura 4, a partir do qual deseja-se obter a tensão referente a uma deformação de 0,08%. Em se tratando de fenômeno ligado a propriedades naturais de um material, a expectativa é que a curva referente à sua evolução seja suave. Se tal realidade é violada, certamente, dever-se-á a limitações na qualidade da leitura ou mesmo de caráter técnico do equipamento utilizado. A obtenção da tensão referente a uma deformação de 0,08%, a partir da interpolação entre as leituras referentes às deformações de 0,075% e 1,0%, que foram fixados com certa margem de erro, pode resultar em valores com margem de erro menor, mas, também com erro ainda maior, e, em problemas de Engenharia, faz-se necessário primar pela qualidade dos resultados. 4 Assim, com vistas à observância da qualidade de resultados, a melhor solução seria ajustar aos pontos discretos uma curva provável, fundamentando-se no propósito de se cometer a menor margem de erro possível, figura 4. Considerando-se que as várias medições sejam imprecisas, tal curva não passaria, necessariamente, pelos pontos correspondentes às medições, mas, haja vista os pequenos erros, ela desenvolver-se-ia segundo a linha tracejada, figura 4, margeando os pontos, um pouco abaixo ou um pouco acima deles. A curva provável pode então ser usada, de forma mais racional, que a pura e simples interpolação, para obtenção da tensão desejada. Figura 4 2.2 -Interpolação Interpolação Linear É aplicável a funções continuas e diferenciáveis em certo intervalo de trabalho [xo,xn], figura 5. Assim, para n+1 pontos discretos desse intervalo, não 5 necessariamente uniformemente espaçados, pode-se obter, facilmente, os n+1 valores de f(x), de modo que todos os pares [xi,f(xi)] são exatos ou mesmo que, embora inexatos, atendam a certa tolerância pré-fixada. Uma vez objetivando-se a obtenção do valor de )(xf a partir de interpolação linear, o ponto obtido seria )](J , [ xx . Tudo se passa como se estivéssemos aproximando a curva referente à função f(x), no trecho situado entre xi e xi+1, mediante segmento retilíneo, a exemplo do que está sendo aplicado para o trecho AD, referente à interpolação entre os pontos de abscissas x3 e x4. Valendo-se do princípio da semelhança aplicada aos triângulos ABC e ADE, que apresentam dois lados paralelos entre si, a saber, o lado AB paralelo ao lado AD e o lado AC paralelo ao lado AE, teríamos: AE DE AC BC 2.1 De onde se obtém )]()([ 34 34 3 xfxf xx xx DE AE AC AC AE DE BC 2.2 Figura 5 O valor interpolado será: )]x(f)x(f[ xx xx )x(fBC)x(f)x(J 34 34 3 33 2.3 6 Para um ponto qualquer de abscissa "x", situado entre dois pontos arbitrários e consecutivos, que apresentam para abscissas "xi" e "xi+1", a equação 2.3 pode ser generalizada assumindo a forma: )]()([)()( ii ii i i xfxf xx xx xfxJ 1 1 2.4 A equação assim definida é conhecida como equação de interpolação. Uma vez utilizando-a pode-se determinar o sen(6,5) de forma menos intuitiva e mais sistemática, de modo que se tem: )]()([ , )(),(),( 67 67 656 65656 fffJsen ]10453,012187,0[ 67 65,6 10453,0 )]6(sen)7(sen[ 67 65,6 )6(sen)5,6(J)5,6(sen 1132056 ,),( sen O valor interpolado é tanto mais preciso quanto mais próximos forem os pontos de abscissas "xi" e "xi+1", de modo que, se ao invés de utilizar-se tabela graduada em 1o, a utilizar-se graduada em 10o, o erro cometido seria maior. Se, por outro lado, ao invés de se obter o valor interpolado entre dois pontos conhecidos, proceder-se à extrapolação além desses pontos, ter-se-ia, figura 6: AC AB CE BD 2.5 De onde se obtém: )]x(f)x(f[ xx xx BD AB AC AC AB BD CE 23 23 2 2.6 O valor extrapolado será: )]()([)()()( 23 23 2 22 xfxf xx xx xfCExfxJ 2.7 7 Figura 6 Para um ponto qualquer de abscissa "x" situado além de dois pontos arbitrários e consecutivos de abscissas "xi" e "xi+1", a equação 2.7 se transforma em: )]()([)()( ii ii i i xfxf xx xx xfxJ 1 1 2.8 Assim, se tivéssemos sen(6) = 0,10453 e sen(5) = 0,08711, então: )]5(f)6(f[ 56 55,6 )5(f)5,6(J)5,6(sen 11324,0]08711,010453,0[ 1 5,1 08711,0]5sen6sen[ 56 55,6 5sen5,6sen A equação 2.4, uma vez reordenada pode resultar em: i i1ii1i i i1i i1i x xx )x(f)x(f )x(fx xx )x(f)x(f )x(J 2.9 Se i1i i1i 1 xx )x(f)x(f a 2.10 8 i1ii i1i i1i io xa)x(fx xx )x(f)x(f )x(fa 2.11 Então: o1 axa)x(J 2.12 Que é denominado de polinômio interpolador. Neste caso trata-se de um polinômio interpolador linear ou do primeiro grau. Polinômio Interpolador Com referência à tarefa de interpolação, a escolha de uma curva de ordem mais alta referente a um polinômio de maior grau conduziria a uma aproximação melhor. Se dois pontos determinam uma reta, e, este principio fundamentou a abordagem na seção anterior, que culminou com o polinômio interpolador linear, então, considerando que três pontos determinariam uma curva quadrática, quatro pontos uma cúbica, e, assim por diante, por “m” pontos pode-se passar uma curva de ordem “m-1”, correspondente a um polinômio de grau igual a “m-1”, de modo que o polinômio interpolador seria da forma: o m m m mm axaxaxaxaxaxp 1 2 2 3 3 2 2 1 11 ...)( 2.13 Seus coeficientes podem ser obtidos mediante o método dos coeficientes a determinar em versão apropriada à situação em estudo. Assim, considerando- se o fato de que uma curva de ordem “n” passa exatamente por “n+1” pontos seus conhecidos, e que em tais pontos o polinômio interpolador deve apresentar, pelo menos em tese, valor idêntico ao da função exata, então pode-se estabelecer um sistema de equações lineares na forma da equação 2.14, apresentada adiante. 9 )(...)( . . . )(...)( )(...)( 1 2 2 3 3 1 1 111 2 12 3 13 1 1111 1 2 2 3 3 1 1 nonnn n nn n nnnn o n n n nn ooooo n on n onon xfaxaxaxaxaxaxp xfaxaxaxaxaxaxp xfaxaxaxaxaxaxp 2.14 Tal sistema de equações lineares uma vez resolvido em ao, a1, a2, . . .an, resulta os valores de tais coeficientes. O sistema de equações 2.14 pode assumir a forma: )( . . . )( )( )( . . . . 1 . . . . . . 1 . . . 1 . . . 1 . . . 2 1 0 1 2 1 21 2 2 2 1 22 1 2 1 1 11 21 n o n n nn n n n n nn nn oo n o n o xf xf xf xf a a a a a xxxx xxxx xxxx xxxx 2.15 Que é solúvel desde que a matriz característica seja não singular. Neste caso, em particular, o determinante da matriz característica: 1 . . . . . . 1 . . . 1 . . . 1 . . . 21 2 2 2 1 22 1 2 1 1 11 21 nn n n n n nn nn oo n o n o xxxx xxxx xxxx xxxx X 2.16 , é conhecido como determinante de "Van der Monte". Ele é não nulo desde que todos os xi, sejam distintos, que é o que acontece no presente caso, pois, os xi representam elementos distintos do domínio de uma função. 10 Assim, se: o n n a a a a a A 1 2 1 . . . e )( . . . )( )( )( 2 1 0 nxf xf xf xf F 2.17 Então: FXAFAX 1 . 2.18 Que é problema facilmente abordável mediante adoção de algoritmo estruturado. Uma vez obtida a matriz “A”, obtém-se, automaticamente, o polinômio interpolador correspondente. Exemplo3: Achar um polinômio interpolador para trabalhar no intervalo de 0o até 90o a partir de tabela com os valores exatos da função seno em 0o, 30o, 60o e 90o. Em se tratando de quatro pontos disponíveis, deve-se montar um polinômio interpolador de terceiro grau, ou seja: oaxaxaxaxp 1 2 2 3 33 )( De modo que: 0,1)90(909090)90( 866,0)60(606060)60( 5,0)30(303030)30( 0)0(000)0( 1 2 2 3 33 1 2 2 3 33 1 2 2 3 33 1 2 2 3 33 faaaap faaaap faaaap faaaap o o o o Ou em forma matricial: 11 Tal sistema, uma vez resolvido, resulta: 0 e, ;01781,0 ;1019944,0 ;106054,0 1 4 2 6 3 oaaxaxa De modo que: O fato de o polinômio interpolador ter sido determinado com base na premissa de que ele coincide com a função nos pontos dados pode induzir à falsa idéia de erro nulo nesses pontos, entretanto, os coeficientes foram obtidos mediante algoritmo transcodificado em FORTRAN para o qual a função seno é função de biblioteca e tem seus valores obtidos via métodos numéricos aproximados. Além do mais, há de se considerar os erros que decorrem de deficiências numéricas, discutidas no capítulo 1, no tocante à resolução de sistemasa lineares. Uma vez comparados os valores corretos da função seno com aqueles obtidos mediante o polinômio interpolador, no intervalo estudado, constatam-se erros conforme o indicam as curvas das figuras 7 e 8. Os erros cometidos no presente caso foram da ordem de 0,002 para mais ou para menos. Figura 7 0,1 866,0 5,0 0 a a a a . 1 90 90 90 1 60 60 60 1 30 03 30 1 0 0 0 o 1 2 3 23 23 23 x01781,0x10x19944,0x10x6054,0)x(p 24363 12 Figura 8 Polinômio Interpolador de Lagrange Para o caso de primeira ordem, o objetivo é obter um polinômio da forma: oaxaxp 11 )( 2.19 De modo que )()(1 oo xfxp e )()( 111 xfxp . Assim sendo pode-se escrever: 0)( 0)( 0)( 111 10 11 o oo o axaxf axaxf axaxp 2.20 Introduzindo-se certa constante “c”, numericamente igual à unidade, então a equação 2.20 se transforma em: 0axa)x(f.c 0axa)x(f.c 0axa)x(p.c o111 oo10 o11 2.21 Ou na forma matricial apresentada na equação 2.22. 13 0 0 0 a a c . 1x)x(f 1x)x(f 1x)x(p o 1 11 oo 1 2.22 As equações acima, de incógnitas c, ao, a1 são homogêneas, de modo que, se apresentarem soluções não nulas o determinante característico é nulo. Desenvolvendo-se, então, o determinante pela primeira coluna obtém-se: 0)xx)(x(f)xx)(x(f)xx)(x(po11o1o1 2.23 Resultando o polinômio de Lagrange de primeira ordem: )xx( )xx( )x(f )xx( )xx( )x(f)x(p o1 o 1 1o 1 o1 )x(L)x(f)x(L)x(f 11oo 2.24 Com: )( )( )( )( )( )( 1 1 1 1 o o o o xx xx xL xx xx xL 2.25 O polinômio interpolador de Lagrange de ordem “n” seria: )()(...)()()()()( 11 xLxfxLxfxLxfxp nnoon 2.26 Com: )xx)...(xx)(xx)...(xx)(xx( )xx)...(xx)(xx)...(xx)(xx( )x(L ni1ii1ii1ioi n1i1i1o i 2.27 Observe-se que, aplicando-se o polinômio a cada um dos pontos tabelados, resulta: )()(0)(1)( jjnjiji xfxpjixLjixL 2.28 Ou seja, que nos pontos tabelados os valores do polinômio interpolador de Lagrange e da função coincidem. Escrevendo-se 2.27 em forma alternativa contracta tem-se a equação 2.29. 14 n ij j ji j n ik k ki n ij j j i xx xx xx xx xL 0 0 0 )( )( )( )( )( 2.29 Exemplo 4: Utilização do polinômio interpolador de Lagrange ao exercício do exemplo anterior para elaborar tabela de senos de 0o a 90o, em intervalos de 10o. A forma do polinômio de Lagrange é especialmente apropriada para utilização em algoritmos estruturados o qual poderia apresentar-se mediante a seqüência de procedimentos: Inicio Introdução dos valores dos pares [xi,f(xi)] - (0;0,0); (30;0,5); (60;0,866); (90,1,0) Abertura de laço sobre os pontos cujo valor do seno é desejado - i = 1 a i = 10 x = (i – 1)*10 Cálculo dos valores dos coeficientes: ))()(( ))()(( )( 321 321 xxxxxx xxxxxx xL ooo o ))()(( ))()(( )( 31211 32 1 xxxxxx xxxxxx xL o o ))()(( ))()(( )( 32122 31 2 xxxxxx xxxxxx xL o o 15 ))()(( ))()(( )( 23133 21 3 xxxxxx xxxxxx xL o o Cálculo dos valores do seno via a função de biblioteca: Frigor = sen(x) Cálculo dos valores do seno via polinômio de Lagrange: )()()()()()()()()( 3322113 xLxfxLxfxLxfxLxfxpV ooaprox Cálculo do erro: Erro = Frigor-Vaprox Impressão dos resultados: Fechamento do laço 2.3 - Ajustamento de Curvas Método dos Mínimos Quadrados Considere-se “n+1” pontos de coordenadas conhecidas aos quais seja necessário ajustar uma curva, escolhida de forma mais intuitiva, como sendo da forma: o122331m1mmmm axaxaxa...xaxa)x(p 2.30 A operação pode não ser efetuada satisfatoriamente, sobretudo, tratando-se de pontos provenientes de algum ensaio referente a fenômenos oscilatórios ou de decaimento, exigindo-se a apropriação de funções trigonométricas, exponenciais ou logarítmicas. Abstraindo-se, portanto a restrição de a função ter de apresentar-se em termos de polinômios, pode-se escrevê-la na forma: )x(ga)x(ga)x(ga ...)x(ga)x(ga)x(p oo1122 1m1mmmm 2.31 16 Onde )x(g),x(g),x(g),...,x(g,g o121mm são funções de “x” convenientemente escolhidas. Os coeficientes o121mm a,a,a,...,a,a são distintos e independentes, de modo que as funções )x(g),x(g),x(g),...,x(g,g o121mm têm de ser linearmente independentes, ou seja, escolhendo um terno arbitrário de tais funções não se deve ter: )x(ga)x(ga)x(ga kkjjii 2.32 Para aplicação do método ora abordado, a soma dos desvios do valor obtido da função ajustada em relação ao valor de dada medição: )x(f)x(p);....,x(f)x(p );x(f)x(p);x(f)x(p nn1mn221m2 111m1oo1mo 2.33 deve ser um mínimo possível. Para i-ésima das “n” medições, ter-se-ia: n,1i),x(f)x(p ii1mi 2.34 A soma das “n+1” diferenças é então: n 0i 2 i = um valor mínimo 2.35 mas: n 0i 2 iim n 0i 2 i )x(f)x(p 2.36 Logo: n 0i 2iiooi11imm n 0i 2i )x(f)x(ga)x(ga...)x(ga 2.37 Na verdade, o objetivo precípuo, é minimizar o segundo membro da equação 2.37, cujas incógnitas são os coeficientes o121mm a,a,a,...,a,a . Para tal 17 deve-se tomar suas derivadas parciais em relação a cada uma dessas m+1 icógnitas igualando-as a zero. Assim procedendo, obtém-se: 0a2aa n 0i j ii n 0i 2ij n 0i 2ij ; j = 0, 1, 2,...,m. 2.38 mas: 0 a 0 a 2 n 0i j i i n 0i j i i ; j = 0, 1, 2, ....,m. 2.39 Haja vista que: )x(f)x(ga)x(ga...)x(ga iiooi11immi 2.40 )x(f)x(ga)x(ga...)x(gaaa iiooi11immjji 2.41 )x(f a )x(ga a )x(ga a ...)x(ga aa i j ioo j i11 j imm jj i 2.42 j i io j o i1 j 1 ii j i im j m j i a )x(f )x(g a a )x(g a a ... )x(g a a ...)x(g a a a 2.43 Observe-se que: i se 0a )x(fji1a aji0a a j i j i j i 2.44 De modo que: )x(g000...0)x(g...0a ijijj i 2.45 18 Substituindo-se 2.45 em 2.39 resulta: 0)x(g.)x(f)x(p)x(ga n 0i ijiim n 0i iji n 0i j ii , 2.46 j = 0, 1, 2, ..., m uma vez que: )x(ga)x(ga)x(ga ...)x(ga)x(ga)x(p oo1122 1m1mmmm 2.47 Então: 0)x(g.)x(f)x(ga)x(ga)x(ga...)x(ga n 0i ijiiooi11i22imm 2.48 0)x(g)x(f - )x(g)x(ga)x(g)x(ga...)x(g)x(ga n 0i iji n 0i ijiooiji11ijimm 2.49 Ou: 0)x(g)x(f - )x(g)x(ga)x(g)x(ga...)x(g)x(ga n 0i iji n 0i ijioo n 0i iji11 n 0i ijimm 2.50 Ou ainda: n 0i iji n 0i ijioo n 0i iji11 n 0i ijimm )x(g)x(f)x(g)x(ga )x(g)x(ga...)x(g)x(ga 2.51 19 Fazendo-se: m 2,..., 1, 0,j m ; 2,..., 1, 0,k ; n 0i ijikkj )x(g)x(g 2.52 e: m ..., 2, 1, 0, j n 0i ;)x(g)x(f ijij 2.53 Pode-se converter a equação 2.51 em: m 2,...,1, 0,j ;aa...a jooj1j1mmj 2.54 moom1m1mmm 2o2o112m2m 1o1o111m1m oooo1o1mmo aa...a. . . aa...a aa...a aa...a 2.55 Examinando-se 2.52 conclui-se que: m 2,..., 1, 0,j m; 2,..., 1, 0,k ; j kkj 2.56 E a expressão 2.55 assume então a forma: mmmm11momo 2mm2121oo2 1mm1111oo1 omom11oooo a...aa . . . a...aa a...aa a...aa 2.57 20 Que em notação matricial assume a forma: m 2 1 0 m 2 1 o mmm1mo 2m212o 1m111o omo1oo . . . a . . a a a . . . . . . . . . . . . . . . . 2.58 Constata-se facilmente que a equação 2.58, representa um sistema de equações lineares, a “m+1” equações e “m+1” incógnitas, que uma vez resolvido resulta os valores dos coeficientes do polinômio interpolador, procurados.
Compartilhar