As três frases são:
1) O documento discute o método dos mínimos quadrados para ajustar uma função tabelada f(x) por outra função g(x) escolhida de uma família de funções.
2) O método escolhe os coeficientes da função g(x) de modo a minimizar a soma dos quadrados dos desvios entre f(x) e g(x) nos pontos tabelados.
3) Um exemplo ilustra como aplicar o método para ajustar uma tabela de pontos por uma parábola.
2. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
Introdução
2 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
3. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
Introdução
Vimos, anteriormente, que a interpoladora é uma função que aproxima valores
tabelados. Contudo, esta, geralmente não é aconselhável quando se é preciso
obter um valor aproximado da função em algum ponto fora do intervalo de
tabelamento (extrapolação).
2 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
4. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
Introdução
Vimos, anteriormente, que a interpoladora é uma função que aproxima valores
tabelados. Contudo, esta, geralmente não é aconselhável quando se é preciso
obter um valor aproximado da função em algum ponto fora do intervalo de
tabelamento (extrapolação).
Surge, então, a necessidade de se ajustar a esta tabela, uma função que seja uma “boa
aproximação”, considerando determinada propriedade constatada nesta, e que nos
permita “extrapolar” com certa margem de segurança.
2 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
5. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
Introdução
Assim, o objetivo deste processo é aproximar uma função f por outra função g,
escolhida de uma família de funções, em duas situações distintas:
3 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
6. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
Introdução
Assim, o objetivo deste processo é aproximar uma função f por outra função g,
escolhida de uma família de funções, em duas situações distintas:
Na modelagem
1 Domínio discreto: quando a função f é dada por uma tabela de valores.
2 Domínio contínuo: quando a função f é dada por sua forma analítica.
3 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
7. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
Introdução
Assim, o objetivo deste processo é aproximar uma função f por outra função g,
escolhida de uma família de funções, em duas situações distintas:
Na modelagem
1 Domínio discreto: quando a função f é dada por uma tabela de valores.
2 Domínio contínuo: quando a função f é dada por sua forma analítica.
3 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
8. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
4 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
9. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
Considere os n pontos (xi; f(xi)), com i assumindo valores inteiros entre 1 e n.
O ajuste de curvas consiste em: escolhidas n funções contínuas gj(x), encontrar n
escalares αj tais que a função g(x) =
n
X
j=1
αj · gj(x) se aproxime ao máximo de f(x).
Este modelo matemático é linear pois os n coeficientes αj, que devem ser
determinados, aparecem linearmente, embora as funções gj(x) possam ser não
lineares.
Surge, então, a primeira pergunta: Como escolher as funções contínuas gj?
Esta escolha pode ser feita observando o gráfico dos pontos tabelados (diagrama
de dispersão) ou baseando-se em fundamentos teóricos do experimento que
forneceu a tabela.
4 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
10. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
Considere os n pontos (xi; f(xi)), com i assumindo valores inteiros entre 1 e n.
O ajuste de curvas consiste em: escolhidas n funções contínuas gj(x), encontrar n
escalares αj tais que a função g(x) =
n
X
j=1
αj · gj(x) se aproxime ao máximo de f(x).
Este modelo matemático é linear pois os n coeficientes αj, que devem ser
determinados, aparecem linearmente, embora as funções gj(x) possam ser não
lineares.
Surge, então, a primeira pergunta: Como escolher as funções contínuas gj?
Esta escolha pode ser feita observando o gráfico dos pontos tabelados (diagrama
de dispersão) ou baseando-se em fundamentos teóricos do experimento que
forneceu a tabela.
4 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
11. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
Considere os n pontos (xi; f(xi)), com i assumindo valores inteiros entre 1 e n.
O ajuste de curvas consiste em: escolhidas n funções contínuas gj(x), encontrar n
escalares αj tais que a função g(x) =
n
X
j=1
αj · gj(x) se aproxime ao máximo de f(x).
Este modelo matemático é linear pois os n coeficientes αj, que devem ser
determinados, aparecem linearmente, embora as funções gj(x) possam ser não
lineares.
Surge, então, a primeira pergunta: Como escolher as funções contínuas gj?
Esta escolha pode ser feita observando o gráfico dos pontos tabelados (diagrama
de dispersão) ou baseando-se em fundamentos teóricos do experimento que
forneceu a tabela.
4 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
12. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
Considere os n pontos (xi; f(xi)), com i assumindo valores inteiros entre 1 e n.
O ajuste de curvas consiste em: escolhidas n funções contínuas gj(x), encontrar n
escalares αj tais que a função g(x) =
n
X
j=1
αj · gj(x) se aproxime ao máximo de f(x).
Este modelo matemático é linear pois os n coeficientes αj, que devem ser
determinados, aparecem linearmente, embora as funções gj(x) possam ser não
lineares.
Surge, então, a primeira pergunta: Como escolher as funções contínuas gj?
Esta escolha pode ser feita observando o gráfico dos pontos tabelados (diagrama
de dispersão) ou baseando-se em fundamentos teóricos do experimento que
forneceu a tabela.
4 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
13. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
Considere os n pontos (xi; f(xi)), com i assumindo valores inteiros entre 1 e n.
O ajuste de curvas consiste em: escolhidas n funções contínuas gj(x), encontrar n
escalares αj tais que a função g(x) =
n
X
j=1
αj · gj(x) se aproxime ao máximo de f(x).
Este modelo matemático é linear pois os n coeficientes αj, que devem ser
determinados, aparecem linearmente, embora as funções gj(x) possam ser não
lineares.
Surge, então, a primeira pergunta: Como escolher as funções contínuas gj?
Esta escolha pode ser feita observando o gráfico dos pontos tabelados (diagrama
de dispersão) ou baseando-se em fundamentos teóricos do experimento que
forneceu a tabela.
4 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
14. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
O Método dos Mínimos Quadrados
5 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
15. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
O Método dos Mínimos Quadrados
Seja di = f(xi) − g(xi) o desvio existente entre as imagens de f e g em xi.
5 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
16. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
O Método dos Mínimos Quadrados
Seja di = f(xi) − g(xi) o desvio existente entre as imagens de f e g em xi.
O método dos mínimos quadrados consiste em escolher os coeficientes αj, j = 1, . . . , m
de tal forma que a soma dos quadrados dos desvios seja mínima, isto é:
n
X
i=1
d2
i =
n
X
i=1
[f(xi) − g(xi)]2
é mínimo.
5 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
17. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
O Método dos Mínimos Quadrados
Seja di = f(xi) − g(xi) o desvio existente entre as imagens de f e g em xi.
O método dos mínimos quadrados consiste em escolher os coeficientes αj, j = 1, . . . , m
de tal forma que a soma dos quadrados dos desvios seja mínima, isto é:
n
X
i=1
d2
i =
n
X
i=1
[f(xi) − g(xi)]2
é mínimo.
Assim, os coeficientes αj, que fazem com que g(x) se aproxime ao máximo de f(x), são
os que minimizam a função:
F(α1, . . . , αm) =
n
X
i=1
[f(xi) − g(xi)]2
=
n
X
i=1
f(xi) −
m
X
j=1
αjgj(xi)
2
.
5 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
18. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
O Método dos Mínimos Quadrados
Seja di = f(xi) − g(xi) o desvio existente entre as imagens de f e g em xi.
O método dos mínimos quadrados consiste em escolher os coeficientes αj, j = 1, . . . , m
de tal forma que a soma dos quadrados dos desvios seja mínima, isto é:
n
X
i=1
d2
i =
n
X
i=1
[f(xi) − g(xi)]2
é mínimo.
Assim, os coeficientes αj, que fazem com que g(x) se aproxime ao máximo de f(x), são
os que minimizam a função:
F(α1, . . . , αm) =
n
X
i=1
[f(xi) − g(xi)]2
=
n
X
i=1
f(xi) −
m
X
j=1
αjgj(xi)
2
.
Para isto, é necessário que as m derivadas parciais de F de primeira ordem se anulem,
ou seja:
5 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
19. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
O Método dos Mínimos Quadrados
∂F
∂αj
(α1, . . . , αj) = 2 ·
n
X
i=1
f(xi) −
m
X
j=1
αjgj(xi)
· [−gj(xi)] = 0, j = 1, 2, . . . , m.
6 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
20. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Exemplo
Example
Considere a distribuição
{(−2, 15), (−1, 7), (0, 4), (1, 2), (2, 3), (3, 6)}
e, pela análise gráfica, determinaremos a
equação da curva y = g(x) que melhor
aproxima y = f(x) seja a de uma parábola.
10
20
x
y
7 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
21. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Exemplo
Example
Considere a distribuição
{(−2, 15), (−1, 7), (0, 4), (1, 2), (2, 3), (3, 6)}
e, pela análise gráfica, determinaremos a
equação da curva y = g(x) que melhor
aproxima y = f(x) seja a de uma parábola.
10
20
x
y
Solução: Uma parábola tem equação
g(x) = α2x2
+ α1x + α0.
7 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
22. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Exemplo
Para cada ponto xi, yi do conjunto, temos os desvios quadráticos dados por:
F =
6
X
i=1
yi − (α2x2
i + α1xi + α0)
2
7 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
23. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Exemplo
Para cada ponto xi, yi do conjunto, temos os desvios quadráticos dados por:
F =
6
X
i=1
yi − (α2x2
i + α1xi + α0)
2
Para encontramos os valores de αj, j = 0, 1, 2, que minimizam F e consequentemente,
aproximam g de f, temos que resolver o sistema:
∂F
∂αj
= 0, j = 0, 1, 2.
7 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
24. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Exemplo
Para cada ponto xi, yi do conjunto, temos os desvios quadráticos dados por:
F =
6
X
i=1
yi − (α2x2
i + α1xi + α0)
2
Para encontramos os valores de αj, j = 0, 1, 2, que minimizam F e consequentemente,
aproximam g de f, temos que resolver o sistema:
∂F
∂αj
= 0, j = 0, 1, 2.
Sendo assim, para j = 2
0 =
∂F
∂α2
=
6
X
i=1
2x2
i
yi − (α2x2
i + α1xi + α0)
,
7 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
25. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Exemplo
Ou seja,
6
X
i=1
yix2
i = α2
6
X
i=1
x4
i + α1
6
X
i=1
x3
i + α0
6
X
i=1
x2
i ;
7 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
26. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Exemplo
Ou seja,
6
X
i=1
yix2
i = α2
6
X
i=1
x4
i + α1
6
X
i=1
x3
i + α0
6
X
i=1
x2
i ;
para j = 1
0 =
∂F
∂α1
=
6
X
i=1
2xi
yi − (α2x2
i + α1xi + α0)
,
7 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
27. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Exemplo
Ou seja,
6
X
i=1
yix2
i = α2
6
X
i=1
x4
i + α1
6
X
i=1
x3
i + α0
6
X
i=1
x2
i ;
para j = 1
0 =
∂F
∂α1
=
6
X
i=1
2xi
yi − (α2x2
i + α1xi + α0)
,
Ou seja,
6
X
i=1
yixi = α2
6
X
i=1
x3
i + α1
6
X
i=1
x2
i + α0
6
X
i=1
xi.
7 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
28. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Exemplo
para j = 0
0 =
∂F
∂α1
=
6
X
i=1
2
yi − (α2x2
i + α1xi + α0)
,
7 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
29. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Exemplo
para j = 0
0 =
∂F
∂α1
=
6
X
i=1
2
yi − (α2x2
i + α1xi + α0)
,
Ou seja,
6
X
i=1
yi = α2
6
X
i=1
x2
i + α1
6
X
i=1
xi + α0
6
X
i=1
x0
i .
7 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
30. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Exemplo
Tabulemos os valores dos coeficientes de αj, j = 0, 1, 2
xi yi x4
i x3
i x2
i x0
i x2
i yi xiyi
−2 15 16 −8 4 1 60 − 30
−1 7 1 −1 1 1 7 −7
0 4 0 0 0 1 0 0
1 2 1 1 1 1 2 2
2 3 16 8 4 1 12 6
3 6 81 27 9 1 54 18
Soma 3 37 115 27 19 6 135 − 11
7 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
31. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Exemplo
Façamos Y = [135 − 11 37]t, α = [α2 α1 α0]t e
G =
115 27 19
27 19 3
19 3 6
7 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
32. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Exemplo
Façamos Y = [135 − 11 37]t, α = [α2 α1 α0]t e
G =
115 27 19
27 19 3
19 3 6
A solução do sistema G Y = α é:
α = G−1
Y = [1, 26785714 − 2, 95357143 3, 62857143]t
.
7 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
33. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Exemplo
10
20
x
y
7 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
34. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Ajuste para o Caso Contínuo
Neste caso, teremos que aproximar a função f : [a, b] → R por outra g : [a, b] → R que
minimize o desvio
8 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
35. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Ajuste para o Caso Contínuo
Neste caso, teremos que aproximar a função f : [a, b] → R por outra g : [a, b] → R que
minimize o desvio Z b
a
(f(x) − g(x))2
dx.
8 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
36. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Ajuste para o Caso Contínuo
Example
Determine a função afim que se aproxima da função f(x) = 2x3 − x + 3, no intervalo
[0, 1].
9 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
37. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Ajuste para o Caso Contínuo
Solução: Queremos minimizar a função:
9 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
38. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Ajuste para o Caso Contínuo
Solução: Queremos minimizar a função:
= F(a, b) =
Z 1
0
[2x3
− x + 3 − (ax + b)]2
=
Z 1
0
[2x3
− (1 + a)x + (3 − b)]2
=
Z 1
0
[2x3
− (1 + a)x + (3 − b)]2
=
Z 1
0
8x6
− 4(1 + a)x4
+ 4(3 − b)x3
+ (1 + a)2
x2
− 2(1 + a)(3 − b)x + (3 − b)2
=
8
7
x7 −
4(1 + a)
5
x5 + (3 − b)x4 +
(1 + a)2
3
x3 − (1 + a)(3 − b)x2 + (3 − b)2x
39.
40.
41. 1
0
=
8
7
−
4(1 + a)
5
+ (3 − b) +
(1 + a)2
3
− (1 + a)(3 − b) + (3 − b)2
9 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
42. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Ajuste para o Caso Contínuo
Analogamente ao caso discreto, devemos anular as derivadas com respeito aos
coeficientes da função de ajuste g. Assim,
9 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
43. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Ajuste para o Caso Contínuo
Analogamente ao caso discreto, devemos anular as derivadas com respeito aos
coeficientes da função de ajuste g. Assim,
0 =
∂F
∂a
=
−4
5
+
2
3
(1 + a) − (3 − b) ⇒ 47 = 10a + 15b.
0 =
∂F
∂b
= −1 + (1 + a) − 2(3 − b) ⇒ 6 = a + 2b
Portanto, a =
4
5
e b =
13
5
.
9 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
44. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
Ajuste para o Caso Contínuo
x
y
A aproximação pelo MMQ fica cada vez mais
trabalhoso à medida que aumentamos o número de
coeficientes a determinar na função de ajuste. Esta
função pode ser usada em problemas para obter
aproximações em valores fora do intervalo
considerado.
9 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
45. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
REFERÊNCIAS
1 NASCIMENTO, P. H. R. Notas de Aulas: Cálculo Numérico I. Cruz das Almas:
UFRB, 2021.
2 RUGGIERO, M. A. G.; LOPES, V. L. da R. Cálculo Numérico - Aspectos
Teóricos e Computacionais, 2ª edição, Editora Pearson, 1997.
3 CUNHA, F. G. M; CASTRO, J. K. S. Licenciatura em Matemática: Cálculo
Numérico. Fortaleza: UAB/IFCE, 2010.
10 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021
46. Método dos Mínimos Quadrados
Ajuste para o Caso Discreto
O Método dos Mínimos Quadrados
FIM
Votos e agradecimentos
Desejo que esta apresentação aguce sua curiosidade e faça com que você se aprofunde
mais!
Sucesso!
11 CETEC Paulo Henrique Ribeiro do Nascimento 12 de abril de 2021