Captulo 1

Reviso de lgebra linear

1.1 Espao Vetorial Normado
O conceito de norma de um vetor ou matriz muito importante para entender a noo de
limite de uma sequncia de vetores ou matrizes no estudo da convergncia dos mtodos
iterativos de soluo de sistemas lineares e de problemas de erros de arredondamento que
envolvam matrizes ou vetores.
Denio: Num espao vetorial E a norma de um vetor v, denotada por v uma
funo de E E R
+
satisfazendo:
1. v 0 e v = 0 se, e s se v = 0
!. v = || v ;
". u +v u +v.
Exemplo: No R
n
, se v = (v
1
, v
2
, ..., v
n
), ento so e#emplos de normas:
v

= max |v
i
|, 1 i n $norma do m%#imo&
v
1
=
n
i=1
|v
i
| $norma da soma&
1
v
E
= v
2
=
_
(v, v) =
_

n
i=1
v
2
i
$norma euclidiana ' provm do produto
interno&
Exemplo: 1.1( p%g 1) ' *e v = (1, 10, 3, 4, 20)
t
ento v

= 20, v
1
= 38 e
v
2
= v
E
22.93.
Exemplo: +m M
n
(R), se A M
n
(R) ento so e#emplos de normas:
A

= mx

n
j=1
|a
ij
|, 1 i n $norma lin,a&
A
1
= mx

n
i=1
|a
ij
| , 1 j n $norma coluna&
A
E
=
_

n
i,j=1
a
2
ij
$norma euclidiana&
-ara estas normas pode'se provar que AB A . B .
Exemplo: 1.1" p%g 1. ' *e A =
_

_
3 2 1
6 3 4
1 2 1
_

_
ento A

= 13, A
1
= 10 e
A
E
=

3
2
+ + 1
2
= 9.
Denio: /uas normas v
a
e v
b
so equivalentes se e#istirem constantes positi'
vas k
1
e k
2
tais que para todo v E
k
1
v
a
v
b
k
2
v
a
Exemplo: as normas apresentadas no R
n
e em M
n
(R) so equivalentes entre si.
Denio: /ada uma norma de vetores v pode ser associada a ela uma norma de
matrizes atravs de
A = sup
v=1
Av
que c,amada de norma subordinada ou induzida.
Resultado: *e uma norma de matrizes induzida ento, para qualquer v = 0, vale
que
Av A . v
!
e dizemos que as duas normas so consistentes.
Dem.: /ado v = 0, se0a u =
v
v
. +nto u = 1 e
A
..

Au =
_
_
_
_
A
v
v
_
_
_
_
=
1
v
Av =Av A . v
1de2nio norma induzida.
3s normas vetoriais do m%#imo, euclidiana e da soma induzem, respectivamente, as
normas matriciais de m%#imo da soma nas lin,as, ra4z quadrada do raio espectral11 de
A
t
A e m%#imo da soma nas colunas.
11m%#imo autovalor em mdulo.
1. !ro"eo #rtogonal
O conceito de pro0eo ortogonal ser% importante para o entendimento do mtodo dos
m4nimos quadrados. /ados os vetores u e v de um espao vetorial, encontrar a pro0eo
ortogonal de u sobre o subespao determinado por v consiste em obter um vetor u
0
deste
subespao tal que
(u
0
, u u
0
) = 0
isto , que u
0
se0a ortogonal a u u
0
. Neste caso, devido as propriedades do produto
interno e a e#igncia de u
0
= v, devemos ter que
(v, u v) = 0
(v, u) (v, v) = 0
(u, v) =
2
(v, v)
=
(u, v)
(v, v)
u
0
=
_
(u, v)
(v, v)
_
v
"
No caso geral, se V um espao vetorial e W um subespao de V , o ob0etivo
determinar a pro0eo ortogonal do vetor u sobre W. *e {e
1
, e
2
, ..., e
n
} uma base de
W, o vetor pro0eo ortogonal u
0
tal que
u
0
=
1
e
1
+... +
n
e
n
+m suma, nos resta determinar as coordenadas
1
, ...,
n
do vetor u
0
. 3gora, u
0
ser a
pro0eo ortogonal de u sobre W signi2ca que u u
0
se0a ortogonal a todo vetor de W,
mas, para isto, necess%rio e su2ciente que se0a ortogonal a todo vetor da base de W,
ou se0a
(u u
0
, e
i
) = 0 i, 1 i n
(u (
1
e
1
+... +
n
e
n
) , e
i
) = 0 i, 1 i n
5sando as propriedades do produto interno, segue que

1
(e
1
, e
1
) +
2
(e
2
, e
1
) +... +
n
(e
n
, e
1
) = (u, e
1
)

1
(e
1
, e
2
) +
2
(e
2
, e
2
) +... +
n
(e
n
, e
2
) = (u, e
2
)
.
.
.

1
(e
1
, e
n
) +
2
(e
2
, e
n
) +... +
n
(e
n
, e
n
) = (u, e
n
)
O que remete ao sistema de equa6es lineares nas vari%veis
1
,
2
, ...,
n
dado na forma
matricial por
_

_
(e
1
, e
1
) (e
2
, e
1
) . . . (e
n
, e
1
)
(e
1
, e
2
) (e
2
, e
2
) . . . (e
n
, e
2
)
.
.
. . . . . . .
.
.
.
(e
1
, e
n
) (e
2
, e
n
) . . . (e
n
, e
n
)
_

_
_

2
.
.
.

n
_

_
=
_

_
(u, e
1
)
(u, e
2
)
.
.
.
(u, e
n
)
_

_
)
-ara mostrar que tal sistema possui soluo e ela 7nica, basta lembrar dois fatos de
%lgebra linear: primeiro que a partir de uma base qualquer se pode construir uma base
ortonormal $caso em que a matriz dos coe2cientes do sistema acima tornar'se'ia a matriz
identidade, o que garantiria a e#istncia de soluo pois det I = 1 = 0& e, segundo, que
as coordenadas em outra base qualquer so unicamente determinadas por meio da matriz
de mudana de base. 8udo isto nos permite concluir que a pro0eo ortogonal de u sobre
W 7nica.
$eorema: *e0a W um subespao vetorial de um espao V . /ado u V e u
0
W a
pro0eo ortogonal de u sobre W. +nto, u
0
a mel,or apro#imao para u no sentido
de que
u u
0
< u w
para qualquer que se0a w W.
Dem.: 9omo w, u
0
W, u
0
w W e , portanto, ortogonal a u u
0
. 3ssim
(u w, u w) = (u w +u
0
u
0
, u w +u
0
u
0
)
= ((u u
0
) + (u
0
w) , (u u
0
) + (u
0
w))
= (u u
0
, u u
0
) + 2 (u u
0
, u
0
w)
. .
=0
+(u
0
w, u
0
w)
-ortanto
u w
2
= u u
0

2
+u
0
w
2
9omo, por ,iptese, w = u
0
, conclu4mos que u
0
w > 0 e da igualdade acima obtem'se
que
u w
2
> u u
0

2
=u u
0
< u w
+sta desigualdade mostra que a pro0eo ortogonal u
0
de u sobre W tal que a menor
dist:ncia de u a W a dist:ncia de u a u
0
.
;
1.% &al 'ondi'ionamento
3lm da preocupao com a e#istncia de soluo e de um mtodo e2ciente para resolver
um sistema de equa6es lineares, outro aspecto a ser considerado a sensibilidade da
soluo a pequenas mudanas nos coe2cientes.
/e modo geral, o mal condicionamento ocorre quando, num processo numrico, os re'
sultados no dependem continuamente dos dados de entrada, isto , pequenas altera6es
nos dados de entrada produzem grandes altera6es nos resultados. 5m problema mal
condicionado tambm c,amado de problema mal posto. +#emplo: determinados sis'
temas lineares e problemas de valor inicial. 8ratemos particularmente o caso de sistemas
lineares.
Denio: o fen<meno de que a soluo de um sistema de equa6es lineares muito
sens4vel a pequenas varia6es nos coe2cientes de A ou de b c,amado de mal condi'
cionamento e est% relacionado ao fato de que a matriz do sistema est% =pr#ima= de ser
singular.
Exemplo: 9onsidere o sistema Ax = b dado por
_
_
1 1
1 2
_
_
_
_
x
1
x
2
_
_
=
_
_
10
5
_
_
cu0a soluo e#ata x =
_
_
x
1
x
2
_
_
=
_
_
5
5
_
_
. 3lterando o vetor b para b =
_
_
10.01
5
_
_
o
sistema torna'se
_
_
1 1
1 2
_
_
_
_
x
1
x
2
_
_
=
_
_
10.01
5
_
_
.
cu0a soluo e#ata x =
_
_
x
1
x
2
_
_
=
_
_
5.007
5.003
_
_
. Observe que o res4duo
r = b b = Ax Ax =
_
_
1 1
1 2
_
_
_
_
5.007
5.003
_
_

_
_
10
5
_
_
=
_
_
.0 1
.00 1
_
_
=pequeno= e se nota que x x, ou ainda,
x x =
_
_
_
_
_
_
_
_
5
5
_
_

_
_
5.007
5.003
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
.00 7
.00 3
_
_
_
_
_
_
_
_
0
>% para o sistema dado por
_
_
1 1
1.001 1
_
_
_
_
x
1
x
2
_
_
=
_
_
10
10.005
_
_
temos que a soluo e#ata x =
_
_
x
1
x
2
_
_
=
_
_
5
5
_
_
. 3lterando o vetor b para b =
_
_
10
10.1
_
_
o sistema torna'se
_
_
1 1
1.001 1
_
_
_
_
x
1
x
2
_
_
=
_
_
10
10.1
_
_
cu0a soluo e#ata x =
_
_
x
1
x
2
_
_
=
_
_
100
90
_
_
. Observe agora que o res4duo
r = b b = Ax Ax =
_
_
1 1
1.001 1
_
_
_
_
100
90
_
_

_
_
10
10.005
_
_
=
_
_
0
.0 95
_
_
?
e N@O se nota que x x, ou ainda,
x x =
_
_
_
_
_
_
_
_
5
5
_
_

_
_
100
90
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
95
95
_
_
_
_
_
_
_
_
= 0
Ou se0a, o fato do res4duo ser tal que r =
_
_
b b
_
_
0 no implica necessariamente
que x x 0. Asto no quer dizer que todas as solu6es apro#imadas de equa6es
mal condicionadas fornecem res4duos pequenos, mas que, algumas solu6es apro#imadas
de equa6es mal condicionadas fornecem res4duos bem pequenos.
+m resumo, se x resolve apro#imadamente Ax = b, isto , Ax b e o res4duo
r = b Ax pequeno no sentido de que r 0 ento se espera que x x $a soluo
e#ata&, isto , x x 0, entretanto, isto s acontece se A for bem condicionada.
1.%.1 (nlise da perturbao
3 condio de um sistema linear no singular Ax = b consiste na an%lise do efeito de
perturba6es na soluo x = A
1
b provocada por perturba6es nos dados de A ou de b.
Caso 1 ) 5ma perturbao em b da forma b +
b
,mantida A, provoca perturbao
x +
x
na soluo.
3 questo a seguinte: 9on,ecida
b
como estimar
x
B 8emos que
A(x +
x
) = b +
b
=x +
x
= A
1
(b +
b
) =
x
= A
1

b
usando a ideia de normas induzidas segue que

x

_
_
A
1
_
_

da mesma forma que b = Ax implica

b A x
C
multiplicando membro a membro as duas inequa6es vem que

x
. b
_
_
A
1
_
_

b
A x = A .
_
_
A
1
_
_
.
b
. x

x
A .
_
_
A
1
_
_
.

b
de2nindo o n7mero de condio de A como
cond (A) = A .
_
_
A
1
_
_
c,egamos em

x
cond (A) .

b
Observa6es:
cond (A) 1, pois cond (A) = A . A
1
cond (AA
1
) = cond (I) = 1

b
=
A.x
b
=
r
b
interpretada como uma medida do erro relativo em b e

x
=
xx
x
como uma medida do erro relativo em x e a e#presso acima indica
que o erro relativo em x depende do valor da cond (A) 1.
*e cond (A) grande, ento, mesmo pequenas perturba6es relativas em b, pro'
duziro grandes perturba6es relativas em x, e o problema de resolver Ax = b
mal condicionado, em outras palavras, mesmo que r 0 no implica que
x x 0 a menos que cond (A) tambm se0a pequena.
3lguns autores consideram que cond (A) grande quando for maior ou igual a 1(
4

O n7mero de condio invariante sobre a norma de matrizes utilizada.

Caso ) 5ma perturbao em A da forma A+
A
, mantido b, provoca perturbao
x +
x
na soluo.
D
3nalogamente, pode'se provar que

x +
x

cond (A) .

A
e, novamente, se cond (A) for grande, ento pequenas perturba6es em A produzem
grandes perturba6es relativas em x, e o problema de resolver Ax = b mal condicionado.
5m procedimento para alterar o n7mero de condio da matriz de um sistema e torn%'
la mais bem condicionada o scalling $escalamento& quando os elementos de uma matriz
so de grandezas diferentes. 3 estratgia consiste em multiplicar A a esquerda por D
1
e E direita por D
2
matrizes diagonais =convenientes= de forma que a matriz D
1
AD
2
se0a
bem condicionada. 9om efeito
Ax = b =D
1
AD
2
. .
B
D
1
2
x
. .
y
= D
1
b
..
c
fazendo y = D
1
2
x e c = D
1
b e B = D
1
AD
2
somos levados ao sistema
By = c
tal que cond (B) << cond (A), resolvido para y, determinamos x a partir de D
1
2
x = y.
+#emplo: -ara a matriz A =
_
_
1 2
10
4
10
5
_
_
, A

= 3 sua inversa A
1
=
_
_

1
19
200000
19
10
19

100000
19
_
_
tal que A
1

=
200001
19
e cond (A) = 3.
200001
19
, tomando D
1
=
_
_
1 0
0 10
5
_
_
e D
2
= I temos que
D
1
AD
2
=
_
_
1 0
0 10
5
_
_
_
_
1 2
10
4
10
5
_
_
=
_
_
1 2
10 1
_
_
= B
1(
tal que cond (B) = 11.
11
19
=
121
19
<< cond (A), note que 1 e 10
5
so os inversos dos
menores valores em mdulo de cada lin,a.
11
Captulo
*istemas +ineares ) &,todos
-terativos
-ntroduo
8ais mtodos podem ser mel,ores que os mtodos e#atos se a matriz dos coe2cientes
for esparsa $no alteram a estrutura de esparsidade da matriz ao contr%rio de eliminao
de Fauss, por e#emplo&, utilizam menos memria do computador, maior capacidade de
autocorreo e so usados para reduzir erros de arredondamento na soluo de mtodos
e#atos, alm de serem utilizados em sistemas de equa6es no lineares.
.1 !ro'essos Esta'ionrios
5mmtodo iterativo estacion%rio quando a sequncia de apro#ima6es da soluo utiliza
sempre o mesmo processo. /ado um sistema linear poss4vel e determinado Ax = b,
da mesma forma que no mtodo iterativo linear para resolver equa6es no lineares,
buscamos transformar o sistema linear num outro onde se possa de2nir um processo
iterativo equivalente da forma x = Bx + , por e#emplo, para B = I A e = b.
1!
/e2ne'se o processo iterativo estacion%rio
x
(k)
= Bx
(k1)
+
onde que, se
_
x
(k)
_
x ento x soluo de Ax = b.
/e fato, para B = I A e = b, temos
x = Bx + = (I A) x +b = x Ax +b =Ax = b
3 escol,a de quem ser% a matriz B de2ne o mtodo a ser usado.
$eorema: O processo iterativo dado por x
(k)
= Bx
(k1)
+ convergente se, e
somente se, max |
i
| < 1 $c,amado de raio espectral de B&, onde
i
so os autovalores
de B. $condio necess%ria e su2ciente de convergncia&
Corolrio: *e, para alguma norma de matrizes, B < 1, ento o processo iterativo
dado por x
(k)
= Bx
(k1)
+ convergente. $condio su2ciente de convergncia&
3 matriz B c,amada de matriz de iterao.
Exemplo: e#emplo ;.1 p%g 1?( G *e0a
A =
_

_
0.5 0.2 0.5
0.1 0.6 0.4
0.3 0.1 0
_

_
veri2car se um sistema linear Ax = b que ten,a a matriz A como matriz de iterao
convergir% para a soluo.
*oluo: A

= max

3
j=1
|a
ij
| = 1.2, 1 i 3 $norma lin,a&,A
1
= max

3
i=1
|a
ij
| =
0.9, 1 j 3 $norma coluna&, logo, ser% convergente.
O critrio de parada dado pela erro relativo e a escol,a de uma preciso ! > 0, isto
, se
_
_
x
(k+1)
x
(k)
_
_

x
(k+1)

< !
1"
ento, tomamos x x
(k+1)
.
. &,todo de .a'obi)Ri'/ardson 01auss).a'obi2
/ado um sistema linear Ax = b, onde det A = 0, podemos reescrever A = "+D+# tal
que $
ij
= a
ij
se i > j e 0 se i j, d
ij
= a
ij
se i = j e 0 se i = j, u
ij
= a
ij
se i < j e 0 se
i j. *e det D = 0 o sistema original pode ser transformado em
(" +D +#) x = b Dx = (" +#) x +b
x = D
1
(" +#) x +D
1
b
que de2ne um mtodo iterativo estacion%rio onde a matriz de iterao B = D
1
(" +#)
e = D
1
b. O processo dado por
x
(k+1)
= D
1
(" +#) x
(k)
+D
1
b
c,amado de &,todo de .a'obi)Ri'/ardson. *e supomos det D = 0 teremos a
ii
= 0
e antes da decomposio A = " + D + # podemos dividir cada equao pelo elemento
a
ii
obtendo
A

= "

+I +#

e o processo iterativo torna'se

x
(k+1)
= ("

+#

) x
(k)
+b

1)
onde $

ij
= a

ij
=
a
ij
a
ii
se i > j e 0 se i j, u

ij
= a

ij
=
a
ij
a
ii
se i < j e 0 se i j e b

i
=
b
i
a
ii
.
Hue pode ser reescrito como
_

_
x
(k+1)
1
= a

12
x
(k)
2
a

13
x
(k)
3
... a

1n
x
(k)
n
+b

1
x
(k+1)
2
= a

21
x
(k)
1
a

23
x
(k)
3
... a

2n
x
(k)
n
+b

2
x
(k+1)
3
= a

31
x
(k)
1
a

32
x
(k)
2
... a

3n
x
(k)
n
+b

3
.
.
.
x
(k+1)
n
= a

n1
x
(k)
1
a

n2
x
(k)
2
... a

n,n1
x
(k)
n1
+b

n
O mtodo converge se B

= ("

+#

ou B
1
= ("

+#

)
1
satisfaz
o corol%rio, isto , se
max
1in
n

j=1,j=i

ij

< 1 $norma lin,a&

ou
max
1jn
n

i=1,i=j

ij

< 1 $norma coluna&

Denio: 5ma matriz A estritamente diagonalmente dominante se
n

j=1,j=i
|a
ij
| < |a
ii
| , i = 1, 2, ..., n
Huando A estritamente diagonalmente dominante ento a norma lin,a de A menor
do que 1. +ste teste pode ser usado para veri2car a convergncia do mtodo de >acobi'
Iic,ardson. $A estritamente diagonalmente dominante se, e s se, Asatisfaz o critrio
$norma& lin,a.&
Exemplo: +#emplo ;.! p%g 1?" ' Iesolver o sistema linear
_

_
10x
1
+ 2x
2
+x
3
= 7
x
1
+ 5x
2
+x
3
= 8
2x
1
+ 3x
2
+ 10x
3
= 6
1;
pelo mtodo de >acobi'Iic,ardson, com x
(0)
= (0.7, 1.6, 0.6)
t
e ! < 10
2
. Note que a
matriz estritamente diagonalmente dominante.
.% &,todo de 1auss)*eidel
3nalogamente ao mtodo de >acobi'Iic,ardson, se o sistema linear Ax = b for escrito na
forma
("

+I + #

) x = b

=("

+I) x = #

x +b

x = ("

+I)
1
#

x + ("

+I)
1
b

podemos de2nir o processo iterativo dado por

x
(k+1)
= ("

+I)
1
#

x
(k)
+ ("

+I)
1
b

denominado de &,todo de 1auss)*eidel. -r'multiplicando a equao por ("

+I)
obtemos
("

+I) x
(k+1)
= #

x
(k)
+b

=x
(k+1)
= "

x
(k+1)
#

x
(k)
+b

que no necessita do c%lculo de ("

+I)
1
. -ortanto, o processo iterativo dado por
_

_
x
(k+1)
1
= a

12
x
(k)
2
a

13
x
(k)
3
... a

1n
x
(k)
n
+ b

1
x
(k+1)
2
= a

21
x
(k+1)
1
a

23
x
(k)
3
... a

2n
x
(k)
n
+ b

2
x
(k+1)
3
= a

31
x
(k+1)
1
a

32
x
(k+1)
2
... a

3n
x
(k)
2
+ b

3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x
(k+1)
n
= a

n1
x
(k+1)
1
a

n2
x
(k+1)
2
... a

n,n1
x
(k+1)
n1
+ b

n
+ste mtodo difere do anterior em utilizar no c%lculo de uma componente de x
(k+1)
o
valor mais recente das demais componentes.
1.
O mtodo de Fauss'*eidel converge se for satisfeito qualquer um dos critrios a seguir:
a2 9ritrio de *assenfeld
max
1in
%
i
< 1
onde
%
i
=
i1

j=1

ij

%
j
+
n

j=i+1

ij

b& 9ritrio de lin,as ou $e#emplo ;.1 p%g. 1?;&

'& Jatriz dos coe2cientes for estritamente diagonalmente dominante
Exemplo: ;." p%g 1?D ou e#erc4cio ;." p%g 1C(. $+#emplo ;."& Iesolver o sistema
_

_
5x
1
+x
2
+x
3
= 5
3x
1
+ 4x
2
+x
3
= 6
3x
1
+ 3x
2
+ 6x
3
= 0
pelo mtodo de Fauss'*eidel com ! < 10
2
.
*oluo: 3 matriz do sistema no estritamente diagonalmente dominante, logo,
tambm no satisfaz o critrio de lin,as ou colunas. 3plicando o critrio de *assenfeld
temos %
1
=

1
5

1
5

=
2
5
%
2
=

3
4

.
2
5
+

1
4

=
11
20
%
3
=

1
2

2
5
+

1
2

11
20
=
1
5
+
11
40
=
19
40
e max %
1
=
11
20
= 0, 55 < 1 e o processo iterativo de Fauss'*eidel ser% convergente. 3s
itera6es so de2nidas por
x
(k+1)
1
= 0, 2x
(k)
2
0, 2x
(k)
3
+ 1
x
(k+1)
2
= 0, 75x
(k+1)
1
0, 25x
(k)
3
+ 1, 5
x
(k+1)
3
= 0, 5x
(k+1)
1
0, 5x
(k+1)
2
partindo'se de x
(0)
= (0, 0, 0)
t
, na )a. etapa atingiremos o critrio de parada.
1?
Captulo %
&,todo dos &nimos 3uadrados
%.1 -ntroduo
O uso do mtodo de m4nimos quadrados para apro#imar uma funo & (x) por outra
funo ' (x) pode ser linear ou no linear nos par:metros a serem determinados de ',
durante as se6es deste cap4tulo teremos a oportunidade de abordar os dois casos, embora
o caso no linear busca em certo sentido linearizar o problema, desta forma o caso de
m4nimos quadrados linear o mais importante e ser% tratado inicialmente.
/ado um espao vetorial V e um subespao W de V , tal que dimW = n e um vetor
v V qual o vetor w W tal que
v w < v u , u WB
*abemos que w deve ser a pro0eo ortogonal de v sobre W, mais especi2camente, o vetor
v w deve ser ortogonal a todo vetor u W $maiores informa6es ve0a seo 1..&. /esta
forma, se {w
1
, w
2
, ..., w
n
} uma base de W ento w =
1
w
1
+ ... +
n
w
n
e, su2ciente,
que v w se0a ortogonal a cada w
i
(v w, w
i
) = 0 i = 1, ..., n
1C
(v (
1
w
1
+... +
n
w
n
), w
i
) = 0 i = 1, ..., n

1
(w
1
, w
i
) +
2
(w
2
, w
i
) +... +
n
(w
n
, w
i
) = (v, w
i
) i = 1, ..., n
que um sistema linear que pode ser reescrito como
_
_
_
_
_
_
_
_
(w
1
, w
1
) (w
2
, w
1
) ... (w
n
, w
1
)
(w
1
, w
2
) (w
2
, w
2
) ... (w
n
, w
2
)
.
.
.
.
.
.
.
.
.
.
.
.
(w
1
, w
n
) (w
2
, w
n
) (w
n
, w
n
)
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_

2
.
.
.

n
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
(v, w
1
)
(v, w
2
)
.
.
.
(v, w
n
)
_
_
_
_
_
_
_
_
3lm disso, 2#ada uma base de W o sistema acima possui soluo e ela 7nica. $seo
1..&.
Neste cap4tulo, dese0a'se apro#imar uma funo y = & (x) por outra funo ' (x) que
se0a combinao linear de fun6es con,ecidas, isto
& (x) ' (x) =
0

0
(x) +... +
m

m
(x)
de modo que a Kdist:nciaK entre & e ' se0a a menor poss4vel. +sta dist:ncia pode provir
de uma norma, em 7ltima inst:ncia, de um produto interno. +ste tipo de apro#imao
particularmente 7til quando & de2nida por uma integral, por uma srie ou quando
& s con,ecida para um n7mero 2nito de pares de pontos e#perimentais.
Denio: O mtodo que utiliza como apro#imao de uma funo & V uma
funo ' W V tal que a dist:ncia de & a ' se0a m4nima, ou se0a, ' a pro0eo
ortogonal de & sobre W, c,amado de mtodo dos m4nimos quadrados.
9omo dese0amos minimizar di()(&, '), equivalentemente, minimizar
di()
2
(&, ') = & '
2
= (& ', & ')
basta tomarmos ' como sendo a pro0eo ortogonal de & sobre W, onde os coe2cientes de
' so dados conforme o sistema linear dado acima. *e c,amarmos de r (x) = & (x)' (x)
1D
o res4duo da apro#imao a e#presso acima torna'se, minimizar
di()
2
(&, ') = r
2
= (r, r)
Os diferentes produtos internos que podemos tomar no espao de fun6es nos conduzem a
mtodos de apro#imao por m4nimos quadrados ponderados, situao em que se atribui
diferentes graus de import:ncia aos pontos $ou ao intervalo& con,ecidos de &.
%. (proximao !olinomial
Nesta seo buscaremos apro#imar uma funo & (x) cont4nua, ou dada por pares de
pontos $discreta&, por um polin<mio *
m
(x) +
m
(x) , o espao vetorial dos polin<mios
de grau, no m%#imo, m.
%..1 Caso Contnuo
*e0a & (x) , [a, b] = V, o espao vetorial das fun6es reais cont4nuas num intervalo
[a, b] e * (x) = *
m
(x) =
0
+
1
x +
2
x
2
+... +
m
x
m
+
m
(x) = W $subespao de V &,
dese0amos
& (x) *
m
(x) =
0
+
1
x +
2
x
2
+... +
m
x
m
e que a dist:ncia entre & e * se0a m4nima. -ara isto, basta determinar a pro0eo ortogonal
de & sobre W usando, por e#emplo, o produto interno usual em , [a, b], dado por (&, ) =
_
b
a
& (x) (x) dx, ou se0a, resolver o sistema linear
_
_
_
_
_
_
_
_
(1, 1) (x, 1) ... (x
m
, 1)
(1, x) (x, x) ... (x
m
, x)
.
.
.
.
.
.
.
.
.
.
.
.
(1, x
m
) (x, x
m
) (x
m
, x
m
)
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_

1
.
.
.

m
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
(&, 1)
(&, x)
.
.
.
(&, x
m
)
_
_
_
_
_
_
_
_
Observao: Huando usamos o produto interno usual, todos os pontos do intervalo
!(
[a, b] possuem o mesmo peso na ponderao. No caso cont4nuo, quando dese0amos atribuir
pesos diferentes ao pontos do intervalo [a, b], podemos usar o produto interno dado por
(&, ) =
_
b
a
w(x) & (x) (x) dx
onde w(x) a c,amada funo peso, que em [a, b] deve ser integr%vel e w(x) > 0. 3lguns
e#emplos de funo peso w
1
(x) =
1

1x
2
em (1, 1), w
2
(x) = e
x
e w
3
(x) = e
x
2
em
(, ). No e#emplo a seguir, trabal,aremos com o produto interno usual.
Exemplo: +#emplo ?.1 ' *e0a & (x) = x
4
5x, x [1, 1]. 3pro#imar & (x) por um
polin<mio do !o. grau usando o mtodo dos m4nimos quadados.
_

_
(1, 1) (x, 1) (x
2
, 1)
(x, 1) (x, x) (x
2
, x)
(x
2
, 1) (x
2
, x) (x
2
, x
2
)
_

_
_

2
_

_
=
_

_
(&, 1)
(&, x)
(&, x
2
)
_

_
2 0
2
3
0
2
3
0
2
3
0
2
5
_

_
_

2
_

_
=
_

_
2
5

10
3
2
7
_

_
, *olution is :
_

3
35
5
6
7
_

_
. -ortanto: & (x) -
2
(x) =
3
35
5x +
6
7
x
2
_
1
1
1dx = 2
_
1
1
xdx = 0
_
1
1
x
2
dx =
2
3
_
1
1
x
3
dx = 0
_
1
1
x
4
dx =
2
5
_
1
1
(x
4
5x) dx L
2
5
_
1
1
x(x
4
5x) dx =
10
3
_
1
1
x
2
(x
4
5x) dx =
2
7
*e dese0armos comparar a apro#imao de & por um polin<mio de grau m + 1, no
se poderia aproveitar quase nada do trabal,o 0% feito e ter4amos que resolver um novo
sistema linear, alm disso, com o aumento do valor de m os efeitos de propagao de
erros na resoluo do sistema tornariam se grandes, ou se0a, a soluo do sistema poderia
estar errada. +ntretanto, se a base {w
1
, w
2
, ..., w
n
} for ortonormal, (w
i
, w
j
) = 0, i = j
e w
i

2
= (w
i
, w
i
) = 1, os c%lculos sero signi2cativamente simpli2cados, tendo em
vista que a matriz do sistema torna'se a matriz identidade e uma base ortonormal para
+
m+1
(x) ser% constitu4da de w
1
, w
2
, ..., w
m
e w
m+1
que se0a ortogonal a w
i
, i = 1, ..., me
!1
unit%rio. -ortanto, se a base for ortonormal, o sistema torna'se
_
_
_
_
_
_
_
_
1 0 ... 0
0 1 ... 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_

1
.
.
.

m+1
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
(&, w
1
)
(&, w
m
)
(&, w
m+1
)
_
_
_
_
_
_
_
_
Exemplo: ?.! p%g !;! 3pro#imar a funo & (x) = x
4
5x, x [1, 1] usando
polin<mios ortogonais de grau 1 e !. O detal,e aqui que tem que ortonormalizar as
bases can<nicas de -
1
e -
2
que neste caso tornam'se
%
1
=
_

2
2
,

6
2
x
_
%
2
=
_

2
2
,

6
2
x,
3

10
4
_
x
2

1
3
_
_
9%lculos na p%gina !;! Neide Mranco.
%.. Caso Dis'reto
Huando & dado por n + 1 pares de pontos
(x
0
, y
0
) , (x
1
, y
1
) , ..., (x
n
, y
n
)
e dese0amos determinar um polin<mio de coe2cientes reais
*
m
(x) = a
0
+a
1
x +... +a
m
x
m
de grau, no m%#imo, m, onde m < n tal que se0a m4nimo
& *
m

2
= d
2
(&, *
m
) =
n

k=0
[& (x
k
) *
m
(x
k
)]
2
!!
=
n

k=0
[y
k
(a
0
+a
1
x
k
+... +a
m
x
m
k
)]
2
3qui usamos (&, ) =

& (x
k
) (x
k
). /enotando y =
_
_
_
_
_
_
_
_
y
0
y
1
.
.
.
y
n
_
_
_
_
_
_
_
_
, * =
_
_
_
_
_
_
_
_
*
m
(x
0
)
*
m
(x
1
)
.
.
.
*
m
(x
n
)
_
_
_
_
_
_
_
_
podemos escrever
* =
_
_
_
_
_
_
_
_
*
m
(x
0
)
*
m
(x
1
)
.
.
.
*
m
(x
n
)
_
_
_
_
_
_
_
_
= a
0
_
_
_
_
_
_
_
_
1
1
.
.
.
1
_
_
_
_
_
_
_
_
+a
1
_
_
_
_
_
_
_
_
x
0
x
1
.
.
.
x
n
_
_
_
_
_
_
_
_
+a
2
_
_
_
_
_
_
_
_
x
2
0
x
2
1
.
.
.
x
2
n
_
_
_
_
_
_
_
_
+... +a
m
_
_
_
_
_
_
_
_
x
m
0
x
m
1
.
.
.
x
m
n
_
_
_
_
_
_
_
_
* = a
0
u
0
+a
1
u
1
+a
2
u
2+
... +a
m
u
m
onde u
t
i
=
_
x
i
0
x
i
1
x
i
n
_
. -ode'se mostrar que se os n + 1 pontos so distintos,
ento os m+1 vetores u
0
, u
1
, ..., u
m
so linearmente independentes $basicamente porque
se pode obter uma submatriz quadrada de ordem m da matriz mn dos vetores u que
no singular, de fato, uma matriz de Nandermonde& e determinam um subespao de
dimm+ 1 contido num espao de dimn + 1, assim, para determinarmos * que minimize
a dist:ncia, basta que * se0a a pro0eo ortogonal de y sobre este subespao. -ortanto,
os coe2cientes de *
m
so a soluo do sistema linear dado por:
_
_
_
_
_
_
_
_
(u
0
, u
0
) (u
1
, u
0
) ... (u
m
, u
0
)
(u
0
, u
1
) (u
1
, u
1
) ... (u
m
, u
1
)
.
.
.
.
.
.
.
.
.
.
.
.
(u
0
, u
m
) (u
1
, u
m
) (u
m
, u
m
)
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
a
0
a
1
.
.
.
a
m
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
(y, u
0
)
(y, u
1
)
.
.
.
(y, u
m
)
_
_
_
_
_
_
_
_
Exemplo: +#erc4cio ?.?. p%g !;? ' /etermine a par%bola mais pr#ima dos pontos
!"
(x
i
, y
i
) para a funo y = & (x) dada por
x 3 1 1 2 3
y 1 0 1 1 1
usando o mtodo dos m4nimos quadrados.
*oluo: 3qui dese0a'se & (x) *
2
(x) = a
0
+a
1
x+a
2
x
2
. *e0a * = a
0
u
0
+a
1
u
1
+a
2
u
2
onde u
t
0
=
_
1 1 1 1 1
_
, u
t
1
=
_
3 1 1 2 3
_
, u
t
2
=
_
9 1 1 4 9
_
, y
t
=
_
1 0 1 1 1
_
. /evemos resolver o sistema
_
_
_
_
_
(u
0
, u
0
) (u
1
, u
0
) (u
2
, u
0
)
(u
0
, u
1
) (u
1
, u
1
) (u
2
, u
1
)
(u
0
, u
2
) (u
1
, u
2
) (u
2
, u
2
)
_
_
_
_
_
_
_
_
_
_
a
0
a
1
a
2
_
_
_
_
_
=
_
_
_
_
_
(y, u
0
)
(y, u
1
)
(y, u
2
)
_
_
_
_
_
_
_
_
_
_
5 2 24
2 24 8
24 8 180
_
_
_
_
_
_
_
_
_
_
a
0
a
1
a
2
_
_
_
_
_
=
_
_
_
_
_
0
3
13
_
_
_
_
_
, *olution is :
_
_
_
_
_
121
134
31
268

53
268
_
_
_
_
_
. -ortanto *
2
(x) =
121
134
+
31
68
x
53
268
x
2
a par%bola que Kmel,orK
apro#ima & (x).
%.% (proximao $rigonom,tri'a
Huando a funo que dese0amos fazer uma apro#imao peridica a apro#imao poli'
nomial pode no ser adequada. -odemos contornar isto usando a apro#imao por uma
funo trigonomtrica.
!)
%.%.1 Caso Contnuo
*e uma funo & (x) for peridica e integr%vel no intervalo [0, 2.] a apro#imao trigonomtri'
ca de ordem m de & a funo
' (x) = a
0
+a
1
cos x +b
1
sin x +... +a
m
cos mx +b
m
sin mx
que minimiza dist:ncia at &.
>% sabemos que ' deve ser a pro0eo de & sobre o subespao gerado por % =
{1, cos x, ..., cos mx, sin x, ..., sin mx}. 3lm disso, % ortogonal em [0, 2.], isto :
_
2
0
sin mxcos nxdx = 0 =
m=n
..
_
2
0
sin mxsin nxdx =
_
2
0
cos mxcos nxdx
-ara m = 0
_
2
0
sin mxsin mxdx = . =
_
2
0
cos mxcos mxdx
e, para m = 0
_
2
0
cos 0xcos 0xdx = 2.
3ssim, para determinarmos os coe2cientes de ' devemos resolver o sistema
_
_
_
_
_
_
_
_
2. 0
.
.
.
.
0 .
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
a
0
a
1
.
.
.
b
m
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
(&, 1)
(&, cos x)
.
.
.
(&, sin mx)
_
_
_
_
_
_
_
_
cu0a soluo
a
0
=
1
2.
_
2
0
& (x) dx
a
k
=
1
.
_
2
0
& (x) cos kx.dx k = 1, ..., m
!;
b
k
=
1
.
_
2
0
& (x) sin kx.dx k = 1, ..., m
$% tambm c,amado de con0unto de fun6es ortogonais de Mourier em [0, 2.] para
w(x) = 1, conforme veremos outros e#emplos de con0untos de polin<mios ortogonais
adiante.&
Oembre'se que uma funo & par se & (x) = & (x) e & 4mpar se & (x) = & (x).
*o e#emplos de funo par e 4mpar, respectivamente, cos mx e sin mx. *e & par e
impar num intervalo I ento &. 4mpar e, neste caso,
_
I
(&.) (x) dx = 0. /a mesma
forma, se & impar e par em I ento &. 4mpar e
_
I
(&.) (x) dx =

0. -ortanto, se & a
qual dese0amos obter uma apro#imao trigonomtrica for par em [0, 2.] sua apro#imao
ser% do tipo
& (x) ' (x) = a
0
+
m

k=1
a
k
cos kx
-or outro lado se & for 4mpar em [0, 2.] ento
& (x) ' (x) =
m

k=1
b
k
sin kx
Exemplo: e#erc4cio ?.11 p%g !.1 ' 9onsidere a funo
y ()) =
_
_
_
1 . ) 0
1 0 ) .
e sua e#tenso peridica. /etermine sua apro#imao trigonomtrica de grau !.
*oluo: 9omo & 4mpar, peridica e integr%vel em [0, 2.]
& (x) b
1
sin x + b
2
sin2x = ' (x)
onde
b
1
=
1
.
_
2
0
& (x) sin x.dx =
1
.
_

0
sin xdx +
1
.
_
2

sin xdx =
4
.
!.
b
2
=
1
.
_
2
0
& (x) sin 2x.dx =
1
.
_

0
sin2xdx +
1
.
_
2

sin2xdx = 0
-ortanto
& (x) ' (x) =
4
.
sin x
%.%. Caso Dis'reto
*e uma funo & (x) for con,ecida nos / pontos igualmente distantes
x
k
=
2k.
/
k = 1, 2, ..., /
observe que x
N
= 2., ento a apro#imao trigonomtrica de ordem " de & a funo
0
L
(x) = a
0
+a
1
cos x +b
1
sin x +... +a
L
cos "x +b
L
sin"x
que minimiza dist:ncia at &, onde " /12 $a 2m de que 2"+ 1 / + 1 ' a dimenso
do subespao de 0
L
no m%#imo / +1 o n7mero de pontos tabelados con,ecidos de & o
que garante e#istncia e unicidade da soluo pelo teorema C.1&.
>% sabemos que 0
L
deve ser a pro0eo de & sobre o subespao gerado por % =
{1 = cos 0x, cos x, ..., cos "x, sinx, ..., sin "x}. No podemos usar o produto interno dado
pela integral, mas pode usar o produto interno
(&, ) =
N

k=1
& (x
k
) (x
k
)
!?
e determinamos os coe2cientes a
0
, a
1
, b
1
, ..., a
L
, b
L
resolvendo o sistema
_
_
_
_
_
_
_
_
_
_
_
_
_
_
(1, 1) (cos x, 1) (sin x, 1) ... (cos "x, 1) (sin"x, 1)
(1, cos x) (cos x, cos x) (sin x, cos x) ... (cos "x, cos x) (sin"x, cos x)
(1, sin x) (cos x, sin x) (sin x, sin x) ... (cos "x, sin x) (sin"x, sinx)
.
.
.
.
.
.
.
.
.
.
.
.
(1, cos "x) (cos x, cos "x) (sin x, cos "x) ... (cos "x, cos "x) (sin"x, cos "x)
(1, sin "x) (cos x, sin "x) (sin x, sin "x) ... (cos "x, sin "x) (sin"x, sin"x)
_
_
_
_
_
_
_
_
_
_
_
_
_
_

_
_
_
_
_
_
_
_
_
_
_
_
_
_
a
0
a
1
b
1
.
.
.
a
L
b
L
_
_
_
_
_
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
_
_
_
_
_
(&, 1)
(&, cos x)
(&, sin x)
.
.
.
(&, cos "x)
(&, sin "x)
_
_
_
_
_
_
_
_
_
_
_
_
_
_
/esde que, % ortogonal em [0, 2.], isto :
N

k=1
cos ax
k
sin bx
k
= 0 a, b = 1, ..., "
N

k=1
cos ax
k
cos bx
k
=
N

k=1
sin ax
k
sin bx
k
= 0 a = b, a, b = 1, ..., "
N

k=1
cos ax
k
cos bx
k
=
N

k=1
sin ax
k
sin bx
k
=
/
2
a = b, a, b = 1, ..., "
N

k=1
cos 0x
k
cos 0x
k
= /
!C
para determinarmos os coe2cientes de ' devemos resolver o sistema
_
_
_
_
_
_
_
_
_
_
_
_
_
_
/ 0 0 ... 0 0
0 /12 0 ... 0 0
0 0 /12 ... 0 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 ... /12 0
0 0 0 ... 0 /12
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
a
0
a
1
b
1
.
.
.
a
L
b
L
_
_
_
_
_
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
_
_
_
_
_
(&, 1)
(&, cos x)
(&, sin x)
.
.
.
(&, cos "x)
(&, sin "x)
_
_
_
_
_
_
_
_
_
_
_
_
_
_
cu0a soluo
a
0
=
1
/
N

k=1
& (x
k
)
a
i
=
2
/
N

k=1
& (x
k
) cos ix
k
i = 1, ..., "
b
i
=
2
/
N

k=1
& (x
k
) sin ix
k
i = 1, ..., "
Exemplo: e#erc4cio ?.1! p%g !.". 9onsidere a funo & (x) dada por
k 1 2 3 4 5 6 7 8 9 10 11 12
& (x
k
) 11.8 4.3 13.8 3.9 18.1 22.9 27.2 23.8 8.2 31.7 34.2 38.4
onde x
k
=
2k
12
, obter a apro#imao trigonomtrica de ordem !, usando o mtodo de
m4nimos quadrados.
*oluo
k 1 2 3 4 5 12
x
k
2
12
4
12
24
12
& (x) a
0
+a
1
cos x +b
1
sin x +a
2
cos 2x +b
2
sin 2x
!D
onde
a
0
=
1
12
12

k=1
& (x
k
) = 4, 525
a
1
=
2
12
12

k=1
& (x
k
) cos x
k
= 28, 053
b
1
=
2
12
12

k=1
& (x
k
) sin x
k
= 0, 1317
a
2
=
2
12
12

k=1
& (x
k
) cos 2x
k
= 2, 367
b
2
=
2
12
12

k=1
& (x
k
) sin 2x
k
= 12, 499
%.4 (proximao por &3ponderada usando polin5mios
ortogonais
>% falamos da import:ncia da utilizao de polin<mios ortogonais para facilitar os c%lculos
dos coe2cientes da funo de apro#imao no caso KnoK ponderado, isto , quando
w(x) = 1. No caso de lidarmos com uma funo peso como, por e#emplo, w(x) =
1

1x
2
,
x (1, 1) que atribui menos peso a regio central do intervalo e mais peso aos pontos
e#tremos do intervalo, temos o interesse em lidar com um con0unto de fun6es ortogonais
{2
k
(x)} em relao a uma funo peso w, num intervalo [a, b], isto
_
2
j
, 2
k
_
w
=
_
b
a
w(x) 2
j
(x) 2
k
(x) dx =
_
_
_
0, se j = k

k
, se j = k
se
k
= 1 o con0unto ortonormal. Neste caso, as mesmas ideias de pro0eo ortogonal
podem ser usadas para apro#imar
& (x) ' (x) =
n

k=0
a
k
2
k
(x)
"(
onde os coe2cientes a
k
so dados por
a
k
=
(&, 2
k
)
w
(2
k
, 2
k
)
w
=
_
b
a
w(x) & (x) 2
k
(x) dx
_
b
a
w(x) 2
2
k
(x) dx
a seguir veremos alguns importantes e#emplos de con0untos ortogonais de fun6es
relativos a alguma funo peso.
%.4.1 !olin5mios de +egendre
O con0unto dos polin<mios -
n
(x) em que
-
0
(x) = 1 -
1
(x) = x -
2
(x) =
3
2
x
2

1
2
e recursivamente
-
n
(x) =
2n 1
n
x-
n1
(x)
n 1
n
-
n2
(x)
ortogonal no intervalo [1, 1] para a funo peso w(x) = 1, alm disso, pode'se mostrar
que
_
1
1
1.-
2
n
(x) dx =
2
2n + 1
Note que este o denominador dos coe2cientes a
k
para este con0unto ortogonal de fun6es,
esta funo peso e este intervalo.
%.4. !olin5mios de +aguerre
O con0unto dos polin<mios "
n
(x) em que
"
0
(x) = 1 "
1
(x) = 1 x
e recursivamente
"
n
(x) = (2n x 1) "
n1
(x) (n 1)
2
"
n2
(x)
"1
=
e
x
n!
_
d
n
dx
n
_
x
n
e
x
_
_
ortogonal no intervalo (0, ) para a funo peso w(x) = e
x
.
%.4.% !olin5mios de $'/eb6s/ev
O con0unto dos polin<mios 3
n
(x) em que
3
0
(x) = 1 3
1
(x) = x
e recursivamente
3
n
(x) = 2x3
n1
(x) 3
n2
(x) = cos (n. a"ccos x)
ortogonal no intervalo (1, 1) para a funo peso w(x) =
1

1x
2
.
%.4.4 !olin5mios de 7ermite
O con0unto dos polin<mios 4
n
(x) em que
4
0
(x) = 1 4
1
(x) = 2x
e recursivamente
4
n
(x) = 2x4
n1
(x) 2 (n 1) 4
n2
(x)
= (1)
n
e
x
2
.
_
d
n
dx
n
_
e
x
2
_
_
ortogonal no intervalo (, ) para a funo peso w(x) = e

x
2
2
.
9aso o intervalo da apro#imao no se0a onde o con0unto ortogonal, ,% necessidade
"!
de se fazer uma mudana de vari%veis na funo atravs da frmula
) =
2x a b
b a
x =
(b a) ) + (a +b)
2
tal mudana de vari%veis transforma o intervalo em que ) [a, b] no intervalo em que
x [1, 1].
%.8 #utros tipos de aproximao
O mtodo dos m4nimos quadrados sempre busca apro#imar uma funo dada por uma
fam4lia Linear nos parmetros, isto
a
0

0
(x) +... +a
n

n
(x)
+m alguns casos sugere'se a utilizao ou a apro#imao por fam4lias no lineares nos
par:metros, desta forma, faz'se necess%ria a linearizao do problema para aplicar as
tcnicas da %lgebra linear.
1
o
Caso ' *e & do tipo e#ponencial
& (x) ab
x
ento
#n & (x) #n a +x#n b
/enominando
' (x) = #n& (x) a
0
= #n a a
1
= #n b
0
(x) = 1
1
(x) = x
""
o problema original transformado em apro#imar
' (x) a
0

0
(x) +a
1

1
(x)
que agora uma fam4lia linear nos par:metros. Obtidos a
0
e a
1
atravs das tcnicas 0%
con,ecidas, para obter a e b basta Ke#ponenciarK a
0
e a
1
, isto
a = e
a
0
b = e
a
1
Observe que os par:metros obtidos, em geral, no so timos no sentido do mtodo dos
m4nimos quadrados porque no foram aplicados ao problema original e sim ao Kproblema
linearizadoK.

o
Caso ' *e & do tipo geomtrica
& (x) ax
b
ento
#n & (x) #n a +b #n x
/enominando
' (x) = #n& (x) a
0
= #n a a
1
= b
0
(x) = 1
1
(x) = #n x
o problema original transformado em apro#imar
' (x) a
0

0
(x) +a
1

1
(x)
que agora uma fam4lia linear nos par:metros. Obtidos a
0
e a
1
atravs das tcnicas 0%
")
con,ecidas, para obter a basta Ke#ponenciarK a
0
, isto
a = e
a
0
b = a
1
%
o
Caso ' *e & do tipo ,iperblica
& (x)
1
a +bx
ento
1
& (x)
a +bx
/enominando
' (x) = 11& (x) a
0
= a a
1
= b
0
(x) = 1
1
(x) = x
o problema original transformado em apro#imar
' (x) a
0

0
(x) +a
1

1
(x)
que agora uma fam4lia linear nos par:metros. Obtidos a
0
e a
1
atravs das tcnicas 0%
con,ecidas, temos automaticamente a e b.
4
o
Caso ' *e & do tipo
& (x)

a +bx
ento
&
2
(x) a +bx
/enominando
' (x) = &
2
(x) a
0
= a a
1
= b
0
(x) = 1
1
(x) = x
";
o problema original transformado em apro#imar
' (x) a
0

0
(x) +a
1

1
(x)
que agora uma fam4lia linear nos par:metros. Obtidos a
0
e a
1
atravs das tcnicas 0%
con,ecidas, temos automaticamente a e b.
8
o
Caso ' *e & do tipo
& (x) x#n (a +bx)
ento
e
f(x)
x
a +bx
/enominando
' (x) = e
f(x)/x
a
0
= a a
1
= b
0
(x) = 1
1
(x) = x
o problema original transformado em apro#imar
' (x) a
0

0
(x) +a
1

1
(x)
que agora uma fam4lia linear nos par:metros. Obtidos a
0
e a
1
atravs das tcnicas 0%
con,ecidas, temos automaticamente a e b.
Exemplos: ?.. ou ?.? p%g !.. ' !.?
%.9 *istemas +ineares -n'ompatveis
Na pr%tica, muitas vezes dese0a'se determinar uma vari%vel y que funo linear de
vari%veis x
1
, x
2
, ..., x
m
, isto
y = c
1
x
1
+c
2
x
2
+... +c
m
x
m
".
onde os c
i
so coe2cientes descon,ecidos, porm 2#os, que so determinados e#perimen'
talmente por meio da realizao de diversas medidas das vari%veis x
1
, x
2
, ..., x
m
.
/enotando por x
j1,
x
j2
, ..., x
jm
, y
j
os valores correspondentes a 0'sima medio e#per'
imental, dese0a'se determinar c
1
, c
2
, ..., c
m
a partir do sistema de equa6es lineares
_

_
x
11
c
1
+x
12
c
2
+... +x
1m
c
m
= y
1
x
21
c
1
+x
22
c
2
+... +x
2m
c
m
= y
2
...
x
n1
c
1
+x
n2
c
2
+... +x
nm
c
m
= y
n
9omo na pr%tica o n7mero de medi6es n maior que o n7mero mde incgnitas e as
medi6es esto carregadas dos erros do e#perimento, o sistema tende a ser incompat4vel
e sua soluo s pode ser apro#imada. Nosso ob0etivo fazer com que o lado esquerdo
do sistema acima, denotado pelo vetor
u =
_
_
_
_
_
_
_
_
u
1
u
2
...
u
n
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
x
11
c
1
+x
12
c
2
+... +x
1m
c
m
x
21
c
1
+x
22
c
2
+... +x
2m
c
m
...
x
n1
c
1
+x
n2
c
2
+... +x
nm
c
m
_
_
_
_
_
_
_
_
se0a o mais Kpr#imoK poss4vel do lado direito do sistema, representado pelo vetor
y =
_
_
_
_
_
_
_
_
y
1
y
2
...
y
n
_
_
_
_
_
_
_
_
5sando novamente a ideia de pro0eo ortogonal, sabemos que a menor dist:ncia entre
"?
y e o subespao gerado pelos vetores

1
=
_
_
_
_
_
_
_
_
x
11
x
21
...
x
n1
_
_
_
_
_
_
_
_

2
=
_
_
_
_
_
_
_
_
x
12
x
22
...
x
n2
_
_
_
_
_
_
_
_
...,
m
=
_
_
_
_
_
_
_
_
x
1m
x
2m
...
x
nm
_
_
_
_
_
_
_
_
do qual u combinao linear, se dar% quando u for a pro0eo ortogonal de y sobre este
subespao. -ortanto, se os
i
forem linearmente independentes, a soluo do problema
ser% dada por meio da resoluo do sistema
_
_
_
_
_
_
_
_
(
1
,
1
) (
2
,
1
) ... (
m
,
1
)
(
1
,
2
) (
2
,
2
) ... (
m
,
2
)
.
.
.
.
.
.
.
.
.
.
.
.
(
1
,
m
) (
2
,
m
) (
m
,
m
)
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
c
1
c
2
.
.
.

m
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
(y,
1
)
(y,
2
)
.
.
.
(y,
m
)
_
_
_
_
_
_
_
_
usando o produto interno usual do R
n
.
Exemplo: e#erc4cio ?.1C p%g !?) ' /etermine a mel,or soluo para o sistema linear
_

_
x
1
x
2
= 1
2x
1
+x
2
= 2
x
1
+ 3x
2
= 1
2x
1
+ 3x
2
= 2
3x
1
2x
2
= 3
*oluo: *e0am
1
=
_

_
1
2
1
2
3
_

_
,
2
=
_

_
1
1
3
3
2
_

_
, y =
_

_
1
2
1
2
3
_

_
e c =
_
_
c
1
c
2
_
_
, resolvendo o
"C
sistema
_
_
(
1
,
1
) (
1
,
2
)
(
2
,
1
) (
2
,
2
)
_
_
_
_
c
1
c
2
_
_
=
_
_
(y,
1
)
(y,
2
)
_
_
*omos levados a
_
_
19 2
2 24
_
_
_
_
c
1
c
2
_
_
=
_
_
19
2
_
_
cu0a soluo c
1
= 1 e c
2
= 0, note que o sistema compat4vel.
"D