Baixe o app para aproveitar ainda mais
Prévia do material em texto
Sumário 1. Introdução1. Introdução 2. Sistemas de Equações Lineares2. Sistemas de Equações Lineares 3. Equações e Sistemas Não Lineares3. Equações e Sistemas Não Lineares 4. Interpolação4. Interpolação 5. Ajuste de Funções5. Ajuste de Funções 6. Integração6. Integração 7. Equações Diferenciais Ordinárias7. Equações Diferenciais Ordinárias Aula 18 1Cálculo Numérico Computacional Sumário 5. Ajuste de Funções5. Ajuste de Funções • Introdução ● Método dos Mínimos Quadrados ● Ajuste polinomial • Caso geral linear • Casos redutíveis ao linear Aula 18 2Cálculo Numérico Computacional Dado um conjunto de pontos {(x1,y1),(x2,y2),…, (xm,ym)}, como obter a função f(x) = y? 1750 1800 1850 1900 1950 2000 0 50 100 150 200 250 1750 1800 1850 1900 1950 2000 0 50 100 150 200 250 300 Introdução Aula 18 3Cálculo Numérico Computacional Motivação: modelagem Predição de eventos Análise da relevância dos dados Exemplos de aplicações Finanças Ciências do Ambiente Ciências Sociais Epidemiologia Introdução Aula 18 4Cálculo Numérico Computacional Porque não usar interpolação? Muito custoso para um conjunto grande de dados Erros experimentais: Pela origem do problema podemos saber o tipo de função que estabelece a relação entre as variáveis mmm Exfy Exfy Exfy )( )( )( 222 111 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 -20 0 20 40 60 80 100 120 140 160 -200 -150 -100 -50 0 50 100 150 -0.5 0 0.5 1 1.5 2 2.5 3 x 10 4 Introdução Aula 18 5Cálculo Numérico Computacional Seja o resíduo de ajuste: Qual critério utilizar? 1ª opção: erros tendendo a zero ▪ Problema: caímos no problema da interpolação 2 ª opção: minimização da soma dos erros ▪ Problema: iii yxfR )( * miRxfyxf iiii ,,1,0,)()( * i ii f yxf )(minarg * * y x R1 -R1=R2 Critérios de Qualidade de Ajuste Aula 18 6Cálculo Numérico Computacional 3ª opção: minimização da soma dos erros absolutos ▪ Problema: a função módulo não é diferenciável em x=0 4ª opção: Tschebycheff ▪ Problema: difícil solução i ii f yxf )(minarg * * ii if yxf )(maxminarg * * Critérios de Qualidade de Ajuste Aula 18 7Cálculo Numérico Computacional 5ª opção: método dos mínimos quadrados ▪ Não temos soma nula (apenas na interpolação) ▪ A função ()2 é facilmente diferenciável ▪ É o critério mais utilizado i ii f yxf 2* )(minarg * Critérios de Qualidade de Ajuste Aula 18 8Cálculo Numérico Computacional Método dos Mínimos Quadrados ).()()()()( 332211 * xcxcxcxcxf nn Aula 18 Cálculo Numérico Computacional 9 Outras denominações: Otimização linear Análise de regressão Suavização de dados Baseia-se no cálculo de um conjunto de constantes cj, j=1,2,…,n : Obs: As constantes cj aparecem linearmente, mas as funções básicas j podem ser não-lineares em x Dependem da natureza dos dados! O resíduo pode ser escrito por: ▪ R é função dos cj ▪ R passa por um mínimo quando as derivadas parciais se anularem simultaneamente: m i iinniii yxcxcxcxcR 1 2 332211 )()()()( )(* ixf mi c xf yxf c R j i i ii ij ,,10 )( )(2 * * njx c xf ij j i ,,1),( )(* Método dos Mínimos Quadrados Aula 18 10Cálculo Numérico Computacional Temos um sistema de n equações lineares: 0)()()()( 0)()()()( 0)()()()( 0)()()()( 2211 32211 22211 12211 ini iinnii ii iinnii ii iinnii ii iinnii xyxcxcxc xyxcxcxc xyxcxcxc xyxcxcxc OBS: Uma escolha ruim das funções j podem nos levar a um sistema mal-condicionado! Método dos Mínimos Quadrados Aula 18 11Cálculo Numérico Computacional Próximo Passo... Definimos um critério de qualidade (mínimos quadrados) e vimos como resolver o problema do ajuste Próximo passo: escolher as funções básicas j Ajuste Polinomial: j(x)=xj Aula 18 12Cálculo Numérico Computacional Teorema de Weierstrass: Uma função f pode ser aproximada, com qualquer exatidão, num intervalo fechado através de um polinômio p(x) de grau n Outra propriedade importante: dxxcxf b a n i i i 2 )( e é função de n e dos coeficientes c1,c2,…,cn Ajuste Polinomial Aula 18 13Cálculo Numérico Computacional Ajuste a uma reta: Seja o resíduo definido por: Para que tenhamos mínimo pelo critério dos mínimos quadrados: m i ii m i i m i i m i i m i i yxaxax yaxma 111 2 01 1110 xaaxf 10 * )( iii xaayR 10 00 10 a R a R -150 -100 -50 0 50 100 -400 -200 0 200 400 600 800 1000 1200 Ajuste Polinomial Aula 18 14Cálculo Numérico Computacional Ajuste a uma parábola: Usando o mesmo procedimento anterior: Podemos verificar que há um padrão: i ii i ii i i i ii ii i i ii ii i i ii i yx yx y a a a xxx xxx xxm 2 2 1 0 432 32 2 2 210 * )( xaxaaxf i i n i i ii i i ni n ii n ii n ii n ii n i i n ii ii ii ii i i n ii ii ii ii i yx yx y a a a xxxxx xxxxx xxxxx 1 0 2321 14321 3210 -150 -100 -50 0 50 100 150 -0.5 0 0.5 1 1.5 2 2.5 3 3.5 x 10 4 Ajuste Polinomial Aula 18 15Cálculo Numérico Computacional 1) Dada a tabela abaixo, ajuste uma reta aos dados: 2) A produção de aço em um certo país, em milhões de toneladas, durante os anos de 1960 e 1970 é dada pela tabela abaixo. Determine a) uma reta que se ajusta aos dados e b) a produção para o ano de 1971. x 1 3 4 6 f(x) -2.1 -0.9 -0.6 0.9 Ano 60 61 62 63 64 65 66 67 68 69 70 Aço 66 85 89 78 97 105 93 112 88 117 115 Exercícios Aula 18 16Cálculo Numérico Computacional 3) A dependência entre a velocidade de um navio e a sua potência é dada pela tabela abaixo: Sabendo que a dependência é do tipo P(v) = a + bv + cv2, determine a, b e c de modo a ajustar a função à tabela. v 5 7 9 11 12 P(v) 290 560 1144 1810 2300 Exercícios Aula 18 17Cálculo Numérico Computacional Sumário Sumário Introdução Introdução Introdução Critérios de Qualidade de Ajuste Critérios de Qualidade de Ajuste Critérios de Qualidade de Ajuste Método dos Mínimos Quadrados Método dos Mínimos Quadrados Método dos Mínimos Quadrados Próximo Passo... Ajuste Polinomial Ajuste Polinomial Ajuste Polinomial Exercícios Exercícios
Compartilhar