AjusteLinearizado-09-01-21, R

AjusteLinearizado-09-01-21

# Ajuste de curvas por mínimos quadrados.

# Dados os vetores x e y, supomos que y_i=f(x_i)+erro_i, como erro_i um erro "pequeno".
x=seq(-5,5,by=0.5);x  
n=length(x)
y=y=c(76.8, 66.3, 56.4, 47.2, 38.9, 31.4, 24.4, 17.84, 11.1, 3.7, -0.2, 4.1, 11.21, 17.6, 24.1, 31.3, 39.0, 47.33, 56.53, 66.13, 76.73)

plot(x,y,col="red")

z=exp(20*x^2/y)   # Linearização
plot(x,z,col="red")
# Por alguma experiência em lidar com dados, supomos ainda que
# f_u(s)=20*s^2/(log(as^4+b2*s^2+c)), linearizada para f_u(s)=as^4+b2*s^2+c,
# em que u=(a, b, c) é o vetor de parâmetros desonhecidos.
# Para determinar os valores dos parâmetros resolvemos o problema de minimização 
#
#        min g(u)
# 
# em que g(u)= sum (y_i-f_u(x_i))^2, sendp u=(a,b,c).
# 
# Para fazer isso usamos o método de Euler para resolver a equaçõ diferencial 
#
#      u'(t)=-grad g(u(t))
#      u(0)=u_0

# Seguem os comando para as definições de funções necessárias.

g<-function(u){    # função g(u)
a=u[1];b=u[2];c=u[3]
p=0
for (i in 1:n){
p=p+( z[i]- (a*x[i]^4+b*x[i]^2+c) )^2}
p/2
}

# Teste do código para g(u).
g(c(1,2,3))

gradg<-function(u){   # função gradiente de g(u).
a=u[1];b=u[2];c=u[3]
p=c(0,0,0)
for (i in 1:n){
p=p+( z[i]- (a*x[i]^4+b*x[i]^2+c))*(-1)*c(x[i]^4,x[i]^2,1)}
p
}

# Teste da função gradg(u)
gradg(c(1,2,3))

#---- Início da rotin para o método de Euler.

ZeroEuler<-function(u0,t,m){
w=u0
h=t/m
for (i in 1:m){w=w-h*gradg(w)}
w
}

# Teste de aproximação de solução do problema de minimização. 
u0=c(1,0.5,2.4);print("Condição inicial");u0; 
t=0.25; m=250000
print("Teste de g(u0)");g(u0)                       # Teste de g(u0).

u=ZeroEuler(u0,t,m) ; print("Aproximação"); u     # Aproximadamente u(t)
print("Teste de minímo aproximado");g(u)                        # Teste de minímo aproximado

# Definição da aproximação de f(u) linearizada.

fap<-function(s){ u[1]*s^4+u[2]*s^2+u[3] }

curve(fap,-5,5)
points(x,z,col="red")        # Teste de ajuste.

plot(x,z-fap(x),'l')

# Definição da aproximação de f(u).

fap<-function(s){20*s^2/(log(u[1]*s^4+u[2]*s^2+u[3]))}

curve(fap,-5,5,ylim=c(0,78))
points(x,y,col="red")        # Teste de ajuste.

plot(x,y-fap(x),'l')

# Se quiser pode aumentar t e n ou escolher outra condição inicial 
# para se convencer do resultado obtido.


run \| edit \| history \| help	0