Lembramos que se trata apenas de uma pequena reviso, assim, maiores detalhes sobre os
Denio 1.1 (Espao Vetorial) Um espao vetorial V um onjunto que possui deni-
das as operaes de soma e de produto (multipli
ao por es
alar perten
ente a R) e fe
hado
om respeito a elas. Essas operaes devem satisfazer, para quaisquer , R e u, v, w V ,
as seguintes propriedades:
omutatividade: u + v = v + u;
asso
iatividade: (u + v) + w = u + (v + w) e ()v = (v);
elemento neutro: existe um vetor 0 V, tal que v+0 = 0+v = v para todo v V;
distributiva: ( + )v = v + v e (u + v) = u + v ;
multipli
ao por 1: 1.v = v .
Denio 1.2 (Subespao Vetorial) Um subespao vetorial de V um sub
onjunto S
V que satisfaz as seguintes propriedades:
0 S;
se u, v S ento u + v S;
Denio 1.4 (Base de Espao Vetorial) Uma base de um espao vetorial V um on-
1
Teorema 1.2 Se um espao vetorial V admite uma base
om n elementos ento todas as
Teorema 1.3 Todo espao vetorial de dimenso n< tem uma base.
Denio 1.6 Se para qualquer onjunto de vetores de V sempre possvel a har um vetor
espao vetorial?
ento
(P )(x) = a0 + a1 x + . . . + ak xk ,
2
1
0 n
1 n1
PSfrag repla
ements
0 1
Exemplo 1.3 V C 0 [0, 1] o
onjunto das funes i denidas em [0, 1],
ontnuas e li-
Seja
neares por partes nesse intervalo, que a
ada sub-intervalo (0, h) (h, 2h), (2h, 3h), . . . , (nh, 1),
1
essas funes perten
em a P1 (
onjunto dos polinmios de grau 1 ) em que h = e N o
N
nmero total de sub-intervalos. (ver Figura 1).
armao omo exer io). Se demonstrarmos que V um subespao de C 0 [0, 1], pelo Teo-
Em prin pio, veri amos fa ilmente que o elemento neutro 0(x) C 0 [0, 1] tambm
perten
e a V, 0(x) est denido em [0, 1],
ontnuo e linear por partes em
uma vez que
Resta demonstrarmos que V fe hado para as operaes de soma e produto por es alar.
f + g|(ih,(i+1)h) P1 i = 0, . . . , n 1.
A dim(V ) = n + 1 (deixamos omo exer io essa armao), assim, vamos denir uma
base = {0 , . . . , n }.
(
1 hx , x (0, h)
0 (x) =
0,
aso
ontrrio.
x
x (0, h)
h
,
x
1 (x) = 1 x (h, 2h)
h
,
0,
aso
ontrrio.
3
Para um determinado i = 0, . . . , n, denotando Ii = (ih, (i + 1)h) temos
xxi1
hi1
, x Ii1
xi+1 x
i (x) = hi
, x Ii
0,
aso
ontrrio.
N (v) 0, v V, (1)
Exer
io 1.2
Ra
Provar que N (v) = b
|v(x)|dx uma norma em C 0 [0, 1].
Corolrio 1.6
Ra
b
|v(x)|dx norma em Pk .
qR
Exer
io 1.4 Provar que N (x) =
a
b
|v(x)|2 dx uma norma em C 0 [a, b].
Exer
io 1.5
pPm
x1 , x2 , . . . , xm , N (v) = 2 N
Sejam os pontos distintos e i=1 [v(x)] .
semi-norma em Pk k ? N norma em Pk k m 1.
4
Denio 1.9 (Distn
ia) Seja D : V xV R, D distn
ia se :
D(v, w) = D(w, v) v, w
D(v, w) 0 v, w
D(v, z) D(v, w) + D(w, z) v, w, z
D(v, w) = 0 v = w.
C bilinear, ou seja,
, R v, w, z V .
C simtri a
2 Mnimos Quadrados
2.1 Introduo
O nosso objetivo prin ipal onsiste em en ontrar a soluo para o seguinte problema.
O problema: Seja f uma funo e seja V um espao vetorial de funes de dimenso n. Seja
(., .) um produto es
alar. Queremos determinar o elemento F V que o mais prximo
dos mais utilizados o Mtodo dos Mnimos Quadrados. De forma geral, esse tipo de
aproximo
onsiste em en
ontrar a funo F que melhor se aproxima de f, ou que melhor
se ajusta a um onjunto de pontos dis retos dado. Pode ser empregada em problemas em 1
dimenso ou em vria dimenses. Nas prximas sesses apresentamos esse mtodo e os seus
5
2.2 O Mtodo dos Mnimos Quadrados
Nesta sesso apresentamos o Mtodo dos Mnimos Quadrados e os pontos prin ipais da
span{g1 , g2 , . . . , gk } = {v = 1 g1 + 2 g2 + . . . + k gk , 1 , . . . , k R},
V + span{f } = {g : g = v + f,
om v V }.
F = 1 1 + 2 2 + . . . + n n
A = b, (3)
om
1 (1 , 1 ) . . . (1 , n ) (f, 1 )
.. .. ..
=
. , A= . , b= .
n (n , 1 ) . . . (n , n ) (f, n )
V.
f F
f
0 F V
Figura 2: f F V
6
Apresentamos, a seguir, algumas denies, proposies e lemas importantes que sero
Denio 2.1 (Matriz Singular) Uma matriz M singular se v 6= 0 tal que M Rnn ,
Mv = 0.
M no singular;
det(M) 6= 0;
Lema 2.3
J() = (f, f ) 2bT + T A.
Demonstrao:
J() = (f 1 1 . . . n n , f 1 1 . . . n n )
= (f, f ) 2(f, 1 1 + . . . + n n ) + (1 1 + . . . + n n , 1 1 + . . . + n n )
= (f, f ) 2bT + T A.
Lema 2.4
2bT + T A + ( )T A = 0
Demonstrao:
bT = T b
( )T A = T A
2bT + T A + ( )T A = 2 T (A b) = 0
| {z }
0
denida por
J : V R
J(F ) = (f F, f F )
7
em que F deveria minimizar J. Vamos es
rever F = 1 1 + . . . + n n ,
J(1 , . . . , n ) = (f 1 1 2 2 . . . n n , f 1 1 2 2 . . . n n )
= (f, f ) 21 (1 , f ) + 12 (1 , 1 ) + 21 2 (1 , 2 ) + . . . + 21 n (1 , n )
22 (2 , f ) + 22 (2 , 2 ) + 22 3 (2 , 3 ) + . . . + 22 n (2 , n )
. . . 2n (n , f ) + n2 (n , n ),
assim,
J
= 2(1 , f ) + 2(1 , 1 )1 + 2(1 , 2 )2 + . . . + 2(1 , n )n
1
J
= 2(2 , f ) + 2(1 , 2 )1 + 2(2 , 2 )2 + . . . + 2(2 , n )n
2
..
.
J
= 2(n , f ) + 2(1 , n )1 + 2(2 , n )2 + . . . + 2(n 1, n )n ,
n
e ento
J
1
.
J = .. = 2(A b) (4)
J
n
.
Seja 1 , . . . , n o ponto onde J = 0. Por (4), esse ponto satisfaz as equaes normais (3).
(1 1 + 2 2 + . . . + n n , 1 1 + 2 2 + . . . + n n ) = 0 =
|{z} v = 0.
| {z } | {z }
v v produto es
alar
1 1 + 2 2 + . . . + n n = 0 =
|{z} 1 = 2 = . . . = n = 0.
{i } base
8
Provaremos agora que se tal que v 6= 0 tal que Av = v , ento > 0.
Vejamos que v T Av = v T v . Agora
v T Av = (v1 1 + . . . + vn n , v1 1 + . . . + vn n ) > 0,
pois v 6= 0, assim
v T av
= > 0.
vT v
Resta ainda provar que denida
por J( ) = 0 um mnimo.
j(t) = J( + t),
assim
Para demonstramos que J( ) = 0 mnimo pre
isamos mostrar que j (0) = 0 e que
j (0) > 0, assim,
j (0) = 2bT + T A + ( )T A = 0
j (0) = 2 T A = 2(1 1 + . . . + n n , 1 1 + . . . + n n ) > 0,
portanto um mnimo.
Podemos utilizar outro enfoque para demonstrar que mnimo, para isso pre isamos
do teorema seguinte.
9
Apli
ando este teorema, determinamos HJ , ou seja ,
2J
= 2(1 , 1 )
12
.
..
2J
= 2(1 , 2 )
1 2
..
.
Em resumo, o Mtodo dos Mnimos Quadrados introduzido pelo Teorema 2.1 dado
por:
F = 1 1 + 2 2 + . . . + n n ,
em que os
oe
ientes satisfazem as equaes normais, dadas por A = b e
portanto so determinados atravs do seguinte sistema:
(1 , 1 ) . . . (1 , n ) 1 (f, 1 )
.. .. ..
. . = .
(n , 1 ) . . . (n , n ) n (f, n )
A seguir apresentamos um exemplo de apli
ao do Mtodo dos Mnimos Quadrados.
Exemplo 2.1 Seja f (x) = ex e V = {F : F (x) = 1 + 2 x}, em que a base denida por
1 (x) = 1
2 (x) = x.
10
e b, por
Z 1
(1 , f ) = 1 ex dx = e1 = 1.7182
0
Z 1
(2 , f ) = x ex dx = 1.
0
Obtemos, assim
! ! !
1
1 2
1 1.78182
1 1
=
2 3
2 1
If (x) = a1 + a2 x.
If (x) = 1 + 1.87172x.
A Figura 3 ilustra a
ompao entre f (x), F e fI .
f(x)
Interpolada
F*(x)
2
0 0,5 1
x
11
Vamos
al
ular e
omparar D(f, F )
om D(f, If ). A distn
ia de F a f dada por:
s
Z 1
D(f, F ) = [f (x) F (x)]2 dx
0
h i 21
= (f 1 1 2 2 , f 1 1 2 2 )
h
= (f, f ) 21 (f, 1 ) 22 (f, 2 )
i 21
+(1 )2 (1 , 1 ) + 21 2 (1 , 2 ) + (2 )2 (2 , 2 )
= 0, 008.
s
Z 1
D(f, If ) = [f (x) If ]2 dx
0
h i1
x 2 2
= e (1 + 1.87172x)]
F (x) = 1 + 1, 7182x,
portanto F = If .
Considerando um produto vetorial denido em trs pontos, por exemplo,
teremos uma proximao por mnimos quadrados no sentido deste produto es alar (deixamos
essa armao omo exer io), porm no teremos a interpolada de f denida em trs
pontos. Assim, podemos armar que o Mtodo dos Mnimos Quadrados uma generalizao
para a interpolada de f.
12
2.3 Restries e Transformaes
apli ado em problemas que apresentam alguma restrio sobre F. Em seguida apresentamos
do mtodo.
2.3.1 Restries
Vamos nos
on
entrar em problemas que apresentam alguma restrio sobre F , para isso
vamos
onsiderar o seguinte problema:
-Seja a funo f (x) tal que f (x) = 1 se x < 3 e f (x) = 3 se x > 3. Cal ular a melhor apro-
ximao F (x), F (x) P1 , dessa funo (sem restrio), no sentido dos mnimos quadrados,
f(x)
3
27/8
F*
3/8
3 4
p
D(v, w) = (v w, v w) = ||v w||
Z 4
(v, w) = v(x)w(x)dx
0
s
Z 4
||v w|| = [v(x) w(x)]2 dx
0
! !
(1 , 1 ) (2 , 1 ) (f, 1 )
A= e b=
(2 , 1 ) (2 , 2 ) (f, 2 )
13
Temos que
Z 4
(1 , 1 ) = 1 1 dx = 4
0
Z 4
(1 , 2 ) = 1 x dx = 8
0
Z 4
64
(2 , 2 ) = x x dx =
0 3
Z 4 Z 3 Z 4
(f, 1 ) = f (x)1dx = 1 1 dx + 3 1 dx = 6
0 0 3
Z 4 Z 3 Z 4
(f, 2 ) = f (x)xdx = 1 x dx + 3 x dx = 15
0 0 3
(
41 + 82 = 6
64
81 + = 15,
3 2
3 9
obtemos 1 = 8
e 2 = 16
. Portanto
3 9
F (x) = + x.
8 16
Agora, queremos en
ontrar a funo F mais prxima a f no sentido de (., .) dentre os
polinmios de grau 1 que satisfazem a restrio F (4) = 3. Para isso pre isaremos do Lema
seguinte.
f (x) a1 + bx (5)
sob restrio
a + 4b = 3, (6)
14
1. Eliminar os
oe
ientes
Neste
aso, vamos eliminar o
oe
ientes b, assim de (6) temos
3a
b = ,
4
substituindo em (5), obtemos
3a
f (x) a + x; (7)
4
3 x
f (x) x +a 1 ;
4
|{z} 4
3. Transformar
3 x
f (x) x |{z}
a 1 ;
| {z 4 } 4
1 | {z }
f +=g 1
4. Identi
ar e
x
1 = a 1 = 1 ,
4
assim a dim(V ) = 1;
5. Resolver A1 = b
Z 4
x 2 4
A = (1 , 1 ) = 1 dx =
0 4 3
Z 3 Z 4
3 x 3 x 1
b = (g, 1) = 1 x 1 dx + 3 x 1 dx = ;
0 4 4 3 4 4 4
6. Soluo
3
1 = b/A = 16
, portanto F dada por
3 3 x
F (x) = x + 1 .
4 16 4
Denio 2.2 Um onjunto V uma variedade linear se, dado um elemento qualquer de
V o onjunto
W = {v = F , F V}
um espao vetorial. Diz-se que V a variedade linear paralela a W por (ver Figura 5).
15
f
0
w F
V
F* F
(1 , 1 ) ... (f , 1 )
.. ..
A= . e b= .
... (n , n ) (f , n )
J() = (f 1 1 . . . n n , f 1 1 . . . n n )
= (f, f ) 2bT + T A
om restries sobre .
Vamos
onsiderar as seguintes restries lineares
(
31 44 = 7
= B = c (8)
23 + 2 = 32
pelo teorema anterior, desde que as restries sejam lineares) ponto de sela ( , ) do
Lagrangiano
1
(, ) = J() + T (B c)
2
16
em que Rm . no sentido de que
( , ) = 0 i = 1, 2, . . . , n
i
( , ) = 0 j = 1, 2, . . . , n
j
b + A + B T = 0
B c = 0,
(
A + B T = b
B = c
..
A . BT b
...
...
... = ...
..
B . 0 c
Esse sistema simtri o mas tem autovalores negativos (a matriz no denida positiva).
Para uma melhor ompreenso dessa t ni a, vamos apli -la no exemplo seguinte.
B = (1 4) c = (3)
41 + 82 + 1
= 6
64
81 + 3 2 + 41 = 15
1 + 42 = 3,
3 45
resolvendo este sistema, temos 1 = 16
, 2 = 64
e = 38 .
17
x
xz 2
Ae( ),
assim,
xz 2
f (x) Ae( ).
2
xz
ln f (x) lnA
2
z 2z 1
ln f (x) lnA 2 |{z} x
1 + 2 |{z} 2
x2 .
|{z} 2 |{z}
| {z } 1 | {z } 3
1 2 3
m 2
X xz
(v, w) = v(xi )w(xi )Wi = 1 , 2 , 3
= A , z , = F (x) = Ae
.
i=1
Dis
usso:
Em es
ala logartmi
a, F a que melhor aproxima em f (ver Figura 7), mas em es
ala
analti
a F pode no se aproximar bem de f. Uma possvel soluo seria aumentar os pesos
lineares in ompatveis. Para isso vamos onsiderar dois problemas, denominados, Problema
18
2
ln f
ln f
ln F*
0 1 2 3 4
x
F (x1 , x2 , . . . , xn ) = 1 x1 + 2 x2 + . . . + n xn .
k=1
19
Voltando ao sistema (10). Seja m=4 e sejam os pontos
(1) (1)
x(1) = (x1 , x2 ) = (2, 1) f1 = 3
(2) (2)
x(2) = (x1 , x2 ) = (4, 1) f2 = 3
(3) (3)
x(3) = (x1 , x2 ) = (1, 1) f3 = 2
(4) (4)
x(4) = (x1 , x2 ) = (2, 3) f4 = 4
em que F = 1 x1 + 2 x2 .
A soluo do outro problema minimiza
||f 1 x1 2 x2 ||2 = W1 (3 21 2 )3 + W2 (3 41 + 2 )2
+W3 (2 + 1 2 )2 + W4 (4 + 21 32 )2
Portanto, a soluo do outro problema nos forne e uma pseudo-soluo que minimiza
(1) (1)
M11 . . . M1n x1 . . . xn
.. ..
. = .
(m) (m)
Mm1 . . . Mmn x1 . . . xn
em que
(k)
xi = Mki
e
fk = dk .
Isso impli
a que a matriz do sistema
m
X
Ai,j = Wk Mki Mkj (11)
k=1
em que wk so pesos xos e maiores que zero. Ai,j denida por (11) equivalente a
A = M T W M,
em que
W1 ... 0
0 . . . Wm
20
e
m
X
(b)i = Wk dk Mki b = M T W d
k=1
W =I e
! 2 1 !
2 4 1 2 4 1 25 9
A = MT M =
=
1 1 1 3 1 1 9 12
2 3
e
! 3 !
2 4 1 2 3 8
b = MT d =
=
1 1 1 3 2 14
4
(
251 92 = 8
91 + 122 = 14.
21
> CN Cp r
1 CN 1 Cp1 r1
2 CN 2 Cp2 r2
. . . .
. . . .
. . . .
Cp
CN
Vamos onsiderar que os valores de uma funo r (o ritmo de res imento de uma ba -
r R
rA = R (CN A , CpA ), =
CN A CN A
Para isto, pro
uramos R dentre as funes
22
Para k = 1, . . . , m
A[1][1] + = W [k] 1 1
A[1][2] + = W [k] 1 CN [k]
A[1][3] + = W [k] 1 Cp [k]
A[2][2] + = W [k] CN [k] CN [k]
A[2][3] + = W [k] CN [k] Cp [k]
end for
for k = 1, . . . , m
1
0 n
1 n1
PSfrag repla
ements
0 1
23
A base de V = {i }
onstituda por funes que valem 1 no ponto xi e zero nos outros
pontos. Como produto es
alar, vamos utilizar o produto do espao de Sobolev H 1 (a, b)
Z a
(v, w) = [v(x)w(x) + v (x)w (x)]dx.
b
2
Comparar
om o produto de L (a, b), que simplesmente
Z a
(v, w) = v(x)w(x)dx
b
soluo de A = b, onde
Z b
Ai,j = [i (x)j (x) + i (x)j (x)]dx
a
Z b
bi = [u(x)i (x) + u (x)i (x)]dx
a
Lema 2.11 Seja u C 2 [a, b] e seja uma funo ontnua que de lasse C 1 em ada
Demonstrao:
Z b XZ xk +1
u (x) (x)dx = u (x) (x)dx
a k xk
X Z xk +1
= u (xk+1 )(xk+1 ) u (xk )(xk ) u (x)(x)dx.
k xk
Z b
bi = 0 0 + g(x)i (x)dx.
a
Temos assim, o Mtodo de Galerkin. Trata-se de um tipo de aproximao para equaes
24