Documente Academic
Documente Profesional
Documente Cultură
FÍSICA I
Definição
Discreto contínuo
Introdução – caso discreto
12
10
0
1 1.5 2 2.5 3 3.5 4 4.5 5
dk = |yk – j(xk)|
1.5
j(x)
1
yk dk
0.5
-0.5 d3
d2
-1 d1
-1.5
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
O Método dos Quadrados Mínimos consiste em escolher “a” e “b”de
tal forma que a soma dos quadrados dos desvios seja mínima:
m m
d yk j ( xk ) d yk (ax k b)
m m
2 2 2 2
k k
k 1 k 1 k 1 k 1
j ( xk )
m
F (a1 , a 2 ,..., a n ) [ yk (ax k b)]2
k 1
Os pontos críticos de f(a) e f(b) é encontrado igualando seus gradientes a
zero:
F j ( xk )
0 m
a F (a1 , a 2 ,..., a n ) [ yk (ax k b)]2
F k 1
0
b
Desta forma temos:
F m
2 [ y k (ax k b)]x k
a k 1
m m m
2 y k x k (2a x ² k 2b x k ) 0
k 1 k 1 k 1
m m m
(a x ² k b x k ) y k x k
k 1 k 1 k 1
m m m
a x ² k b x k y k x k
k 1 k 1 k 1
F m
2 [ y k (ax k b)]
b k 1
m m m
2 y k ( 2 a x k 2 b ) 0
k 1 k 1 k 1
m m
(a x k mb) y k
k 1 k 1
m m
a x k mb y k
k 1 k 1
Agora utilizando as duas derivadas faremos um sistema:
Reta
a x ² k b x k y k x k
a x k mb y k
Exemplo 1:
Para obter a curva que melhor se ajusta a função tabelada a idéia
é impor que o desvio em relação à função aproximada seja o menor
possível, ou seja:
dk = |yk – j(xk)|
m m
d y j ( xk )
2 2
2 2
k k k
k 1 k 1 k 1 k 1
j ( xk )
m
F (a1 , a 2 ,..., a n ) [ yk (ax ² k bx k c)]2
k 1
Os pontos críticos de f(a) ,f(b) e f(c) é encontrado igualando seus gradientes a
zero:
F j ( xk )
0
m
a F (a1 , a 2 ,..., a n ) [ yk (ax ² k bx k c)]2
F k 1
0
b
F
0
c F m
2 [ y k (ax ² k bx k c)]x ² k
a k 1
m m m m
2 y k x ² k (2a x k 2b x k 2c x ² k ) 0
4 3
k 1 k 1 k 1 k 1
m m m m
(a x 4
k b x k c x ² k ) y k x ² k
3
k 1 k 1 k 1 k 1
m m m m
a x k b x k c x ² y k x ² k
4 3
k 1 k 1 k 1 k 1
F m
2 [ y k (ax ² k bx k c)]x k
b k 1
m m m m
2 y k x k (2a x k 2b x k 2c x k ) 0
3 2
k 1 k 1 k 1 k 1
m m m m
(a x 3
k b x k c x k ) y k x k
2
k 1 k 1 k 1 k 1
m m m m
a x k b x ² k c x y k x k
3
k 1 k 1 k 1 k 1
F m
2 [ y k (ax ² k bx k c)]
c k 1
m m m m
2 y k (2a x 2 k 2b x k 2 c) 0
k 1 k 1 k 1 k 1
m m m m
(a x 2
k b x k 2 c) y k
k 1 k 1 k 1 k 1
m m m
a x ² k b x k mc y k
k 1 k 1 k 1
Agora utilizando as três derivadas faremos um sistema:
Parábola
a x k b x k c x ² k x ² k y k
4 3
a x k b x ² k c x k x k y k
3
a x ² k b x k mc y k
A escolha das funções g(x) pode ser feita
observando
o gráfico dos pontos tabelados,
chamado de diagrama de dispersão,
Através do qual podemos observar o tipo de
curva
que melhor se ajusta aos dados.
Exemplo 2: Considere a seguinte tabela de pontos.
xk 0.1 0.2 0.5 0.7 0.8 0.9 1.1 1.23 1.35 1.5 1.7 1.8
yk 0.19 0.36 0.75 0.91 0.96 0.99 0.99 0.94 0.87 0.75 0.51 0.35
1
0.2
0
0 0.5 1 1.5 2
E neste caso poderíamos tomar j(x) = a1 + a2sen( x). Afinal qual seria a melhor
2
escolha?
A soma dos quadrados dos desvios em cada ponto tabelado fornece uma medida
que pode ser usada como parâmetro de comparação entre ajustes diferentes.
n
d [ yk j ( xk )]2
k 1
Aplicando o Método dos Quadrados Mínimos para o caso da
função senoidal, obtém-se:
j ( x) 0.0136 1.0193sen x
2
1.1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0 0.5 1 1.5 2
Calculando a soma dos quadrados dos desvios para cada caso:
12
Parábola: Sr [ y ( xk ) j ( xk )]2 0.00011
k 1
12
Sr [ y ( xk ) j ( xk )]2 0.02835
Senóide:
k 1
3.5
Observando o diagrama podemos
considerar que os dados tem um
3
comportamento exponencial, que
2.5 nos sugere o seguinte ajuste:
2
1.5
0.5
0
-1 -0.5 0 0.5 1 1.5 2 2.5 3
Para aplicar o Método dos Quadrados Mínimos torna-se necessário efetuar uma
linearização do problema.
A linearização da função escolhida para ajustar os pontos anteriores deve ser feita
da seguinte forma:
j ( x) a1ea x
2
z ln(j ( x)) z ln a1 a 2 x
z(x) = b1 + b2x
Para isso devemos construir uma nova tabela com os dados de
zk = ln(yk) = b1 + b2x.
9 (1) 9 x b1 9 z
k1 k
k 1
k 1
k
9 9
2 9
xk xk b 2 zk xk
k 1 k 1 k 1
Resolvendo o sistema anterior obtemos a seguinte solução:
b1 = -1.114
b2 = 0.832
Desta forma os valores de aj são dados por:
a1 e b 0.328
1
a 2 b 2 0.832
Portanto temos:
j ( x) a1ea x 0.328e0.832x
2
0
-2 -1 0 1 2 3 4
Linearização de algumas curvas:
• Curva Hiperbólica
1
y z a1 a 2 x onde z 1
a1 a 2 x y
• Curva Exponencial
• Curva Geométrica
Uma vez escolhida uma função não linear em a1, a2,..., an para ajustar uma função
dada, uma forma de verificarmos se a escolha feita foi razoável é aplicarmos o teste
de alinhamento, que consiste em:
xk -8 -6 -4 -2 0 2 4
yk 30 10 9 6 5 4 4
1 b) y( x) ab
x
Qual das funções a) y ( x) ou
a bx
ajustaria melhor os dados da tabela?
1
De y ( x ) , obtemos:
a bx
xk -8 -6 -4 -2 0 2 4
z1 ( x) a bx
z1=1/y 0.03 0.10 0.11 0.17 0.20 0.25 0.25
De y( x) abt , obtemos : k
z2 ( x) ln a x ln b xk -8 -6 -4 -2 0 2 4
z2=ln(yk 3.40 2.30 2.20 1.79 1.61 1.39 1.39
)
Fazendo o diagrama de dispersão para cada função:
z1 a bx z2 ln a x ln b
0.35 3.5
0.3
3
0.25
2.5
0.2
0.15
2
0.1
1.5
0.05
0 1
-8 -6 -4 -2 0 2 4 -8 -6 -4 -2 0 2 4
b
d f ( x) j ( x) dx
2
b
Aij g i ( x) g j ( x)dx
a
b b b b
a x 4 dx b x 3 dx c x ² dx x 2 f ( x)dx
a a a a
b b b b
a x 3 dx b x ² dx c xdx xf ( x)dx parábola
a a a a
b b b b
a x ² dx b xdx c dx f ( x)dx
a a a a
reta
parábola
•NAASSON NO QUADRO
http://evunix.uevora.pt/~stadler/FAN-06-07/reglin.pdf
https://www.youtube.com/watch?v=CjgMWx85roo
https://www1.univap.br/spilling/CN/ExRes_MMQ.pdf
https://www.math.tecnico.ulisboa.pt/~calves/cursos/mmq.htm