Aula Matlab Avancado

Processamento de Sinais
MQI 2104 - Processamento e

Anlise de Sinais Digitais
Carlos Hall Sala 06 Ramal 1226
hall@ele.puc-rio.br
Anlise de Dados
Variveis Aleatrias
Gerao de Nmeros Aleatrios
Mximos e mnimos
Somas e Produtos
Anlise Estatstica
Variveis Aleatrias
Varivel Aleatria:
Entidade matemtica que representa os
possveis valores que uma determinada
medida pode assumir para cada medio, ou
observao
Varivel Aleatria Contnua: podem assumir
qualquer valor em um intervalo contnuo
Varivel Aleatria Discreta: s pode assumir
alguns valores de um conjunto discreto
Anlise de Dados
Interpolao
Regresso e Ajuste de Curvas
Integrao e Diferenciao
Minimizao de Funes
Processamento Simblico
Variveis Aleatrias
Muitas medies (seno todas) tm um
elemento de aleatoriedade
Estatstica: ramo da Matemtica Aplicada
que envolve anlise, interpretao e
apresentao de dados que incluem
algum grau de aleatoriedade ou incerteza
Estatstica Descritiva: resume ou
descreve as caractersticas mais
importantes de um conjunto de dados
Variveis Aleatrias
Populao: todos os possveis valores
que uma varivel aleatria pode assumir
Amostra: Conjunto finito de medidas ou
observaes.
Assumindo que foram feitas N observaes
de uma varivel aleatria, esta amostra pode
ser representada por um vetor x, com
elementos x(n), n = 1, ..., N
Variveis Aleatrias
Distribuio de Freqncia:
Indica as freqncias relativas com que os
possveis valores da varivel aleatria
ocorrem na populao
Caso discreto: Funo Distribuio de
Probabilidades (PDF)
x pode assumir os valores {X1, X2, ..., Xm}
PDF de Xk:
PDF ( X k ) = P(x = X k )
Variveis Aleatrias
possveis valores da varivel aleatria ocorrem
na populao
Caso contnuo: Funo Densidade de
Probabilidades (pdf)
x pode assumir qualquer valor no intervalo [-8 ,+8 ]
pdf de X: uma funo f(X) tal que
P( X 1 x X 2 ) =
X2
f ( X )dX
f ( X ) 0, X
Muitos problemas precisam usar nmeros

aleatrios no desenvolvimento de uma soluo
Em alguns casos, so usados para simular
solues de um problema, repetindo-se a
simulao diversas vezes (mtodo de
Montecarlo)
Em outros casos, so usados para representar
rudo, como o incidente em sinais de rdio
Matlab:

Nmeros aleatrios so caracterizados
por suas distribuies de freqncia
Distribuio Uniforme:
Distribuio (pdf) Constante ao longo de sua
faixa de variao, entre os valores mnimo e
mximo
f(X)
Distribuio Uniforme
Distribuio Normal

Distribuio Uniforme:
Matlab: distribuio uniforme em [0,1]
Funo rand
Na verdade, so seqncias pseudoaleatrias
A partir de uma semente, gera-se uma
seqncia
f ( X )dX = 1
X1
Xmin
Xmax

Matlab:
rand: gera um nmero aleatrio distinto a
cada vez que chamada
rand(n): gera uma matriz n x n de nmeros
aleatrios no intervalo [0,1]
rand(m,n): gera uma matriz m x n de
nmeros aleatrios no intervalo [0,1]
A mesma semente gerar a mesma seqncia!
Intervalo Real: [2-53, 1-2-53]

Matlab (exemplo):
Matlab:
s = rand(state): retorna um vetor de estado, com
35 elementos que caracterizam o gerador de
nmeros aleatrios
rand(state,s): coloca o estado do gerador em s
rand(state,0): coloca o gerador em seu estado
inicial
rand(state,N): coloca o gerador em seu N-simo
estado
rand(state,sum(100*clock)): coloca o gerador em
um estado diferente a cada instante
>>
>>
>>
>>
>>
rand('state',0)
set1 = rand(10,1);
rand('state', 123)
set2 = rand(10,1);
[set1 set2]
ans =
0.9501
0.2311
0.6068
0.4860
0.8913
0.7621
0.4565
0.0185
0.8214
0.4447
0.0697
0.2332
0.7374
0.7585
0.6368
0.6129
0.3081
0.2856
0.0781
0.9532
rand: distribuio uniforme em [0,1]

Para obter distribuies uniformes em outros
intervalos [m,n]
n + rand*(m-n)
>>
>>
>>
>>
data1 = 2*rand(1,500) + 2;
data2 = rand(1,500)+3;
subplot(2,1,1), plot(data1),
subplot(2,1,2), plot(data2),
[2,4]
[3,4]
axis([0 500 0 6])
axis([0 500 0 6])

rand: simulao de v.a. discretas
Combinao com funo floor()
floor(): arredondamento para baixo
ceil(): arredondamento para cima
round(): arredondamento para o mais
prximo

rand: simulao de v.a. discretas
x pode assumir m valores {X1, X2, ..., Xm} com
mesma probabilidade
Deseja-se observar N valores de x
x = floor(m*rand(1,N)+1)
rand: simulao de v.a. Discretas

Exemplo: moeda (cara ou coroa)
m=2
N = 50
x = floor(2*rand(1,50)+1);
hist(x, [1 2])
xlabel('1: cara, 2: coroa')
ylabel('Frequencia')
set(gcf, 'color', 'w')
title('Histograma freq. abs. para 50 moedas')

Exemplo: moeda (cara ou coroa)
m=2
N = 1000
x = floor(2*rand(1,1000)+1);
hist(x, [1 2])
xlabel('1: cara, 2: coroa')
title('Histograma freq. abs. para 1000 moedas')

Exemplo: dado de 6 faces
m=6
N = 100
x = floor(6*rand(1,100)+1);
hist(x, [1:6])
xlabel('Numero')
title('Histograma freq. abs. para 100 dados')

Exemplo: dado de 6 faces
m=6
N = 1000
x = floor(6*rand(1,1000)+1);
hist(x, [1:6])
xlabel('Numero')
title('Histograma freq. abs. para 1000 dados')

Distribuio Normal:
Distribuio Normal:
Funo Densidade de Probabilidade (pdf)

segue a funo gaussiana:
f (x ) =
1
2
( x )2
2 2
Representao: N(,)

Matlab:
randn: gera um nmero aleatrio distinto a
cada vez que chamada
randn(n): gera uma matriz n x n de nmeros
aleatrios com distribuio N(0,1)
randn(m,n): gera uma matriz m x n de
nmeros aleatrios com distribuio N(0,1)
Matlab: distribuio Normal N(0,1)

Mdia zero
Varincia Unitria
Funo randn
Na verdade, so seqncias pseudoaleatrias
A partir de uma semente, gera-se uma
seqncia
A mesma semente gerar a mesma seqncia!

Matlab:
s = randn(state): retorna um vetor de estado, com
35 elementos que caracterizam o gerador de
nmeros aleatrios
randn(state,s): coloca o estado do gerador em s
randn(state,0): coloca o gerador em seu estado
inicial
randn(state,N): coloca o gerador em seu N-simo
estado
randn(state,sum(100*clock)): coloca o gerador em
um estado diferente a cada instante

Matlab (exemplo):
>>
>>
>>
>>
>>
randn('state',0)
set3 = randn(10,1);
randn('state', 123)
set4 = randn(10,1);
[set3 set4]

randn: distribuio Normal N(0,1)
Para obter distribuies normais com outros
parmetros [,]
+ randn*
ans =
-0.4326
-1.6656
0.1253
0.2877
-1.1465
1.1909
1.1892
-0.0376
0.3273
0.1746
1.6056
-0.0416
1.2127
0.4977
-0.9253
0.6648
0.0013
-0.8141
-0.7747
-1.2441
>>
>>
>>
>>
data3 = randn(1,500) + 3;
[3,1]
data4 = randn(1,500)*3 + 1;
[1,3]
subplot(2,1,1),plot(data3),axis([0 500 -10 10])
subplot(2,1,2),plot(data4),axis([0 500 -10 10])
Mximos e mnimos
Funes max e min
Funcionalidades ligeiramente diferentes de
acordo com os argumentos
max(x), x=vetor: maior elemento de x
max(X), X=matriz: vetor com o maior elemento
de cada coluna de x
max(X,Y), X,Y=vetor ou matriz: vetor ou matriz
com mesmas dimenses, onde cada elemento
o mximo entre os elementos correspondentes
de X e Y
Mximos e mnimos
Funes max e min
No exemplo anterior:
Mximos e mnimos
Funes max e min
No exemplo anterior: ans =
>> max(set1)
ans =
0.95010000000000
>> max(set1)
ans =
0.95010000000000
>> max([set1 set2])

ans =
0.95010000000000
>> max([set1 set2])

ans =
0.95010000000000
>> max(set1,set2)
0.95320000000000
>> max(set1,set2)
0.95010000000000
0.23320000000000
0.73740000000000
0.75850000000000
0.89130000000000
0.76210000000000
0.45650000000000
0.95320000000000
0.28560000000000
0.82140000000000
0.95320000000000
Anlise de Dados
Variveis Aleatrias
Mximos e mnimos
Somas e Produtos
Anlise Estatstica
Mximos e mnimos
Funes max e min
No exemplo anterior:
Mximos e mnimos
Funes max e min
min(x), x=vetor: menor elemento de x
min(X), X=matriz: vetor com o menor
elemento de cada coluna de x
min(X,Y), X,Y=vetor ou matriz: vetor ou
matriz com mesmas dimenses, onde cada
elemento o mnimo entre os elementos
correspondentes de X e Y
Mximos e mnimos
Funes max e min
No exemplo anterior: ans =
>> min(set1)
ans =
0.01850000000000
>> min(set1)
ans =
0.01850000000000
>> min([set1 set2])

ans =
0.01850000000000
>> min([set1 set2])

ans =
0.01850000000000
0.06970000000000
>> min(set1,set2)
Mximos e mnimos
Funes max e min: sintaxes alternativas
[y,k] = max(x)
y: maior elemento de x
k: ndice do primeiro maior elemento de x
[y,k] = min(x)
y: menor elemento de x
k: ndice do primeiro menor elemento de x
>> min(set1,set2)
0.06970000000000
0.23110000000000
0.60680000000000
0.48600000000000
0.63680000000000
0.61290000000000
0.30810000000000
0.06970000000000
0.01850000000000
0.07810000000000
0.44470000000000
Mximos e mnimos
Funes max e min: sintaxes alternativas
Exemplo:
>> v = [3 -2 4 -1 5 0];
>> max(v)
ans =
5
>> [vmin, kmin] = min(v)
vmin =
-2
kmin =
2
Anlise de Dados
Somas e Produtos
Variveis Aleatrias
Mximos e mnimos
Somas e Produtos
Anlise Estatstica
Suponha x um vetor de N elementos:

sum(x): soma dos elementos do vetor x
sum( x ) =
x[k ]
N
k =1
prod(x): produto dos elementos do vetor x
prod (x ) = x[k ]
N
k =1
Somas e Produtos
Somas e Produtos
Suponha x um vetor de N elementos:

cumsum(x): soma cumulativa dos elementos
do vetor x, uma seqncia (vetor)
y[n] = cumsum(x[n]) =
x[k ]
n
k =1
prod(x): produto cumulativo dos elementos

do vetor x, uma seqncia (vetor)
y[n] = cumprod (x[n]) = x[k ]

n
k =1
Somas e Produtos
Exemplo:
Matlab:
>> N = 8;
>> k =1:N;
>> S = sum(k)
S =
36
>> N *(N+1)/2
ans =
36
k =
k =1
N (N + 1)
2
Suponha X uma matriz MxN:

sum(X): vetor de N elementos contendo a
soma dos elementos de cada coluna de X
prod(X): vetor de N elementos contendo o
produto dos elementos de cada coluna de X
cumsum(X): matriz MxN onde cada coluna
a soma cumulativa da respectiva coluna de X
cumprod(X): matriz MxN onde cada coluna
o produto cumulativo da respec. coluna de X
Somas e Produtos
Soma dos Termos
de uma P.G.
Exemplo:
n!= n (n 1) (n 2)L 2 1
Fatorial de n
Matlab:
>> nfact4 = prod(1:4)
nfact4 =
24
>> nfact70 = prod(1:70)
nfact70 =
1.1979e+100
Anlise de Dados
Anlise Estatstica
Variveis Aleatrias
Mximos e mnimos
Somas e Produtos
Anlise Estatstica
possveis valores da varivel aleatria
ocorrem na populao
Caso discreto: Aproximao da PDF
x pode assumir os valores {X1, X2, ..., Xm}
N observaes de x
N = N (X1 ) + N (X 2 ) + L + N (X m )
Freqncia Relativa de Xk:
Anlise Estatstica
Anlise Estatstica
Matlab: funes hist() e bar()
Caso contnuo: Aproximao da pdf

x pode assumir qualquer valor no intervalo [X1,X2]
N observaes de x, m bins
Largura de cada bin:
X 2 X1
X =
N (X k )
~
PDF ( X k ) =
N
N(k) = nmero de amostras tais que

X 1 + (k 1)X X X 1 + kX
Freqncia Relativa do bin k: pd~f (k ) = N (k )
hist(x): calcula e exibe automaticamente o

histograma com 10 bins dos dados contidos
no vetor x
N = hist(x): calcula automaticamente e
retorna no vetor N o histograma com 10 bins
dos dados contidos no vetor x
N = hist(x,m): calcula e retorna no vetor N o
histograma dos dados contidos no vetor x,
usando m bins
Anlise Estatstica
N = hist(x,xc): calcula automaticamente e
retorna no vetor N o histograma dos dados
contidos no vetor x, com o vetor xc definindo
os centros das bins
[N,xc] = hist(...): calcula automaticamente e
retorna no vetor N o histograma dos dados
contidos no vetor x, e no vetor xc o centros
das bins
Anlise Estatstica
Matlab: exemplo
subplot(2,1,1)
hist(data1)
title('Histograma de data1 U(2,4)')
xlabel('x'), ylabel('N')
subplot(2,1,2)
hist(data3)
title('Histograma de data3 N(3,1)')
Anlise Estatstica
Anlise Estatstica
Matlab: exemplo
subplot(2,1,1)
hist(data1,25)
title('Histograma de data1 U(2,4)')
subplot(2,1,2)
hist(data3,25)
title('Histograma de data3 N(3,1)')
Anlise Estatstica
Anlise Estatstica
hist(): s calcula as freqncias absolutas!
Caso se deseje trabalhar com as freqncias
relativas, deve-se utilizar a funo bar() em
combinao com a funo hist()
hist(): usada para calcular o histograma de
freqncias absolutas
bar(): usada para exibir o histograma de
freqncias relativas
Anlise Estatstica
Matlab: freqncia relativa
n1 = length(data1);
[freq1,x1] = hist(data1,25);
rfreq1 = freq1/n1;
n3 = length(data3);
[freq3,x3] = hist(data3,25);
rfreq3 = freq3/n3;
Anlise Estatstica
Matlab: freqncia relativa
subplot(2,1,1), bar(x1,rfreq1)
title('Histograma relativo de data1')
xlabel('x'), ylabel('freq. relativa')
subplot(2,1,2), bar(x3,rfreq3)
title('Histograma Relativo de data3')
xlabel('x'), ylabel('freq. relativa')
10
Anlise Estatstica
Anlise Estatstica
Medidas de Tendncia Central
mean(): mdia amostral
x=
1
N
x(n )
n =1
median(): mediana valor central de um

conjunto ordenado de amostras
sort(x): ordena o vetor x de forma crescente
Anlise Estatstica
Anlise Estatstica
Medidas de Tendncia Central

>> mean(data3)
ans =
3.0264
>> mean(data4)
ans =
0.9303
>> median(data3)
ans =
3.0190
>> median(data4)
ans =
1.1722
Anlise Estatstica
Medidas de Variao
std(): desvio padro amostral
1
2
(x(n ) x )
N 1 n =1
var(): varincia quadrado do desvio padro
Anlise Estatstica
Medidas de Variao
>> std(data3)
ans =
1.0475
>> std(data4)
ans =
2.8223
11
Anlise Estatstica
Interpolao
Definio: Estimao de um valor yi
correspondente a um determinado xi,
a partir de um conjunto disponvel de
pares (x,y)
Anlise de Dados
Interpolao
Minimizao de Funes
Interpolao
Interpolao Linear:
1) Encontra o intervalo [x(k) x(k+1)] que
contm o valor xi
x: vetor de N elementos, crescentes

y: vetor de N elementos, correspondentes
aos elementos do vetor x
x(1) = xi = x(N)
Interpolao Linear
Interpolao por Spline
Interpolao
Interpolao Linear:
2) Aplica a equao de interpolao
yi = y (k ) + m( xi x(k ))
m=
y (k + 1) y (k )
x(k + 1) x(k )
Interpolao Linear
Matlab: funo interp1()
yi = interp1(x,y,xi)
y: vetor de N elementos, correspondentes aos
elementos do vetor x
xi: vetor de M elementos, contendo os pontos
para os quais deseja-se fazer a interpolao
linear
yi: vetor de M elementos, contendo os pontos
interpolados
12
Interpolao Linear
Interpolao Linear

Exemplo:
>> x = 0:5;
>> y = [0 20 60 68 77 110];
>>
>>
>>
>>
>>
plot(x,y, '.', 'markersize', 20)

xlim([-1 6]), ylim([-20 120])
xlabel('x'), ylabel('y')
xi = [2.6 3.2 4.9];
hold on, plot([xi;xi], ylim, 'r:')
Interpolao Linear
Interpolao Linear

Exemplo:
>> yi = interp1(x,y,xi);
>> plot(xi,yi, 'r.', 'markersize', 20)
>> plot(x,y)
Interpolao Linear
Interpolao Linear
Similar, para interpolao bidimensional

Z = interp2(X,Y,Z,Xi,Yi)
X: matriz MxN elementos, crescentes

Y: matriz de MxN elementos, correspondentes aos
elementos da matriz X
Z: matriz de MxN elementos, correspondentes aos
elementos da matrizes X e Y
Xi e Yi: matrizes de PxQ elementos, contendo os

pontos para os quais deseja-se fazer a interpolao
linear
Zi: matriz de PxQ elementos, contendo os pontos
interpolados
13
Interpolao Cbica (Spline)

Mesmas premissas da interpolao
linear
Encontra o intervalo [x(k) x(k+1)] que
contm o valor xi
Ajusta um polinmio de grau 3 entre os
dois pontos
Oferece uma transio mais suave
O polinmio passa pelos dois pontos
As curvaturas e derivadas de polinmios
adjacentes so iguais

Matlab: funo spline()
yi = spline(x,y,xi)
xi: vetor de M elementos, contendo os pontos
para os quais deseja-se fazer a interpolao
por spline cbica
yi: vetor de M elementos, contendo os pontos
interpolados

Equao de Interpolao:
yi = a1 (xi x(k )) + a2 ( xi x(k )) + a3 ( xi x(k )) + a4

3

>>
>>
>>
>>
>>
>>
>>
>>
>>
Mesmo exemplo:
x = 0:5;
y = [0 20 60 68 77 110];
plot(x,y, 'b.-' )
xlim([-1 6]), ylim([-20 120])
xi = [2.6 3.2 4.9];
yi = spline(x,y,xi);
plot(xi,yi, 'r.', 'markersize', 20)
Interpolao Linear
>>
>>
>>
>>
>>
>>
>>
>>
>>
Mesmo exemplo:
x = 0:5;
y = [0 20 60 68 77 110];
plot(x,y, 'b.-' )
xlim([-1 6]), ylim([-20 120])
xi = [2.6 3.2 4.9];
yi = spline(x,y,xi);
plot(xi,yi, 'r.', 'markersize', 20)
14

Mesmo exemplo:
>> xi = 0:0.01:5;
>> yi = spline(x,y,xi);
>> plot(xi,yi, 'r')
Interpolao Experimental
Medies experimentais bidimensionais:
muito comum fazer medies em posies
espaciais (ou temporais) no igualmente
espaadas
Normalmente armazenadas em uma matriz
de 3 colunas (X,Y e Z) e N linhas
(correspondentes aos valores medidos)
Para visualizao no Matlab, necessrio
que os dados estejam em formato de matriz
Matlab: funo griddata()
Medies experimentais bidimensionais:
Tem-se 3 vetores, x, y e z, de tamanho N
Deseja-se 3 matrizes [PxQ], X, Y e Z
Essas matrizes podem ento ser usadas
pelas funes pcolor(), surf(), mesh(), etc
Matlab: funo griddata()
Exemplo: Campo Magntico Bz
Zi = griddata(xe,ye,ze,Xi,Yi)
xe: vetor de N elementos
ye: vetor de N elementos, correspondentes aos
ze: vetor de N elementos, contendo as medidas
experimentais
Xi, Yi: matrizes PxQ, contendo os pontos para
os quais deseja-se fazer a interpolao
Zi: matriz PxQ, contendo os pontos
interpolados
15
157 pontos
Interpolao de Pontos Experimentais no
Matlab:
ye
be
1.3860
1.4035
1.4035
1.4386
1.4912
1.4737
1.4912
1.4912
1.4386
1.4561
1.4561
1.4386
-0.0604
-0.0704
-0.0810
-0.0832
-0.0824
-0.0803
-0.0507
-0.0219
0.0199
0.0617
0.0802
0.0909
.
.
.
Interpolao de Pontos Experimentais no
Matlab:
load medida.txt
xmin = min(xe); xmax = max(xe);
ymin = min(ye); ymax = max(ye);
N = 50;
[Xi Yi] = meshgrid(xi,yi);

Bi = griddata(xe, ye, be, Xi, Yi);
pcolor(Xi,Yi,Bi)
shading interp
axis([-3 3 -3 3])
xi = xmin:(xmax-xmin)/(N-1):xmax;
yi = ymin:(ymax-ymin)/(N-1):ymax;
xe
-1.7419
-1.5346
-1.3410
-1.2028
-0.9539
-0.6636
-0.3456
-0.1382
0.1106
0.4009
0.6083
0.8295
Anlise de Dados
Interpolao
Minimizao de Funes
16

hall@ele.puc-rio.br

A interpolao um mtodo local, que
considera os pontos mais prximos do
desejado
A regresso, ou ajuste de curvas, um
mtodo global, que determina a melhor
funo para o conjunto completo dos
dados disponveia
Ou seja, deseja-se encontrar a funo
y = f(x) que melhor se ajusta aos dados
Anlise de Dados
Interpolao
Minimizao de Funes

Quantificao da qualidade do ajuste:
MSE: Mean Squared Error
RMSE: Root Mean Squared Error
MSE =
1
N
( y
k =1
yk )
RMSE = MSE
yk: valores reais da funo
yk: valores estimados pelo ajuste
Exemplo: Medidas de Temperatura ao

longo do tempo
Tempo (s)
Temp (C)
0
0
1
20
2
60
3
68
4
77
5
110

longo do tempo
>>
>>
>>
>>
>>
t = 0:5;
T = [0 20 60 68 77 110];
plot(t, T, '.', 'markersize',20 )
xlabel('t(s)')
ylabel('T(C)')

longo do tempo
Deseja-se fazer uma regresso linear
Ou seja, deseja-se ajustar aos dados uma
funo do tipo
T = at + b
Observando o grfico, nota-se que uma boa
aproximao poderia ser:
T = 20t

longo do tempo
O quo bom o ajuste?
Clculo do MSE:
>>
>>
>>
>>

longo do tempo
RMSE de 9.772 parece razovel
Mas como achar a melhor reta possvel?
Ajuste por MMSE - Minimum Mean Squared
Error
Tambm chamado de Least-Square
Busca os parmetros (no caso, a e b) que
minimizam o MSE (e o RMSE)
T_ = 20*t;
e = T_ - T;
MSE = mean(e.^2)
RMSE = sqrt(MSE)
95.5
9.772

Ajuste por Mnimos Quadrados:
Clculo do MSE:
MSE =
T = at + b
MSE =
1
N
(Tk Tk )
N
1
N
k =1
(at k + b Tk )
k =1

MSE mnimo quando as derivadas parciais
em relao aos parmetros a e b so nulas:

MSE 2 N
=
(at k + b Tk )t k
a
N k =1
MSE
=0
b
MSE
=0
a
MSE 2
=
N
a
2
=
N

MSE 2
=
b
N
(at k2 + bt k Tk t k )
N
k =1
N 2 N N
t k a + t k b Tk t k = 0
=
1
=
1
k
=
1
k
k

(at k + b Tk )
k =1
N 2 N N
t k a + t k b Tk t k = 0
k =1 k =1 k =1
MSE 2 N
N
= t k a + Nb Tk = 0
b
N k =1
k =1
N
N
t k a + Nb Tk = 0
k =1
k =1

Em forma matricial:
2
tk
kN=1
t
k =1 k
N
Matlab: funo polyfit()

c = polyfit(x,y,M)
t k a t k Tk
k =1
= k =N1
b
N Tk
k =1

M: ordem do polinmio interpolador
M = 1: interpolao linear
c: vetor de M+1 elementos, contendo os

coeficientes do polinmio interpolador

longo do tempo
>>
>>
>>
>>
>>
>>
>>
t = 0:5;
T = [0 20 60 68 77 110];
c = polyfit(t, T, 1) [20.83 3.76]
T_ = polyval(c, t);
e = T_ - T;
MSE = mean(e.^2)
95.5 59.47
RMSE = sqrt(MSE)
9.772 7.71
Exemplo: Outros graus de interpolao

c1 = polyfit(t, T, 1);
t2 = 0:0.01:5;
T_1 = polyval(c1, t2);

Exemplo: Outros graus de interpolao
xlabel('t(s)'), xlim([-1 6])

ylabel('T(C)'), ylim([-1 120])
plot(t, T, '.', 'markersize',20 )
hold
plot(t2, T_1, 'r', 'linewidth', 2)
plot(t2, T_3, 'b', 'linewidth', 2)
plot(t2, T_5, 'm', 'linewidth', 2)
legend('Ordem 1', 'Ordem 3', 'Ordem 5')
Anlise de Dados
Interpolao
Minimizao de Funes
Minimizao de Funes
Sistemas Lineares
Considere uma funo real de n variveis:
Considere um sistema de M equaes

lineares de N variveis:
y = f (x ),
y , x n
Ax = b
Mtodos de Minimizao de Funo:
Encontrar o vetor x que corresponde ao

menor valor possvel de y, global ou local
Sujeito ou no a restries e limites
H dois tipos bsicos de minimizao:

Minimizao de funes lineares
Minimizao de funes no-lineares
A: matriz M x N
b: vetor M x 1
x: vetor N x 1
Sistemas Lineares
Sistemas Lineares

Soluo do sistema de M equaes

a11
a
21
M
aM 1
a12
a22
M
aM 2
L a1N x1 b1
L a2 N x2 b2
=
O M M M

L aMN x N bM
A: matriz M x N
b: vetor M x 1
x: vetor N x 1
M = N: x = A-1b
A-1 = matriz MxM, inversa de A (A-1A = I )
Ax = b A-1Ax = A-1b x = A-1b
M ? N: x = A*b
A* = matriz NxM, pseudo-inversa de A (A*A = I )
Ax = b A*Ax = A*b x = A*b
Sistemas Lineares
Sistemas Lineares
Soluo do sistema de M equaes

lineares de N variveis: Matlab
Exemplo:
Funo inv: inversa de matriz quadrada

x = inv(A) * b
Funo pinv: pseudo-inversa de matriz

retangular ou singular
x = pinv(A) * b
3 x1 + 2 x2 x3 = 10
x1 + 3 x2 + 2 x3 = 5
x1 x2 x3 = 1
operador \ - backslash
x = A \ b
Sistemas Lineares
Sistemas Lineares
Exemplo:
Exemplo: Matlab
3 2 1 x1 10
1 3 2 x = 5
2
1 1 1 x3 1
A
>> A = [3 2 -1; -1 3 2; 1 -1 -1]

>> b = [10 5 -1];
>> x = inv(A)*b
x =
26.0000
-18.0000
41.0000
Sistemas Lineares
Minimizao de Funes Lineares
Exemplo: Matlab

>> A = [3 2 -1; -1 3 2; 1 -1 -1]

>> b = [10 5 -1];
A: matriz M x N
b: vetor M x 1
x: vetor N x 1
>> x = A\b
x =
26.0000
-18.0000
41.0000
E um sistema de M restries lineares de N

variveis (inequaes):
Cx = d

Ax = b
Ax b
min
2
A: matriz M x N
b: vetor M x 1
x
x: vetor N x 1
Ax = b
, Cx d
E um sistema de M restries lineares de N

variveis (inequaes):
Cx = d

Funes de minimizao linear do Matlab:
lsqlin: resoluo de problemas de mnimos
quadrados lineares com restries
Sintaxe: x = lsqlin(A, b, C, d);
lsqnonneg: resoluo de problemas de

mnimos quadrados lineares com restries de
negatividade
Sintaxe: x = lsqnonneg(A, b);
Minimizao de Funes No-Lineares

Considere uma funo real no-linear
de n variveis:
y = f ( x ),
y , x

Exemplo para funo unidimensional:
Campo de um dipolo magntico para
y = 0, z = 1
Bx ( x ) =
onde f(.) uma funo no-linear

>>
>>
>>
>>

Exemplo para funo unidimensional:
3x 2 r 2
r5
r = x2 + z 2
x = -10:0.1:10;
[Bx,By,Bz] = campodip(x,0,1);
plot(x,Bx, 'linewidth', 2)
xlabel('x'), ylabel('Bx')

Algumas funes de minimizao nolinear do Matlab:
fminbnd
fzero
fsolve
lsqnonlin
lsqcurvefit
Diferem quanto ao tipo de minimizao

e o mtodo empregado
xmin

Algumas funes de minimizao do
Matlab:
fminbnd: minimizao de funo escalar nolinear limitada

fzero: busca de raiz de funo escalar nolinear
fsolve: resoluo de sistema de equaes nolineares por mnimos quadrados
lsqnonlin: resoluo de problemas de mnimos
quadrados no-lineares
lsqcurvefit: resoluo de problemas de
mnimos quadrados no-lineares

Funo fminbnd: minimizao de
funo escalar no-linear limitada
Sintaxe: x = fminbnd(FUN, x1, x2);
FUN: ponteiro para a funo desejada
x1, x2: limites inferior e superior de busca
x: mnimo local encontrado em [x1,x2]
FUN(x): valor do mnimo local em x

Exemplo: x = fminbnd(@cos, 3, 4) ou
x = fminbnd('cos', 3, 4)

Exemplo: Clculo de

Funo optimset: parmetros de
otimizao
options = optimset(@fminbnd)
>> x = fminbnd(@cos, 3, 4)
ans =
3.14159480185141

Funo optimset: parmetros de
otimizao
ActiveConstrTol: []
DerivativeCheck: []
Diagnostics: []
DiffMaxChange: []
DiffMinChange: []
Display: 'notify'
GoalsExactAchieve: []
GradConstr: []
GradObj: []
Hessian: []
HessMult: []
HessPattern: []
HessUpdate: []
Jacobian: []
JacobMult: []
JacobPattern: []
LargeScale: []
LevenbergMarquardt: []
LineSearchType: []
MaxFunEvals: 500
MaxIter: 500
MaxPCGIter: []
MaxSQPIter: []
MeritFunction: []
MinAbsMax: []
NonlEqnAlgorithm: []
Preconditioner: []
PrecondBandWidth: []
ShowStatusWindow: []
TolCon: []
TolFun: []
TolPCG: []
TolX: 1.0000e-004
TypicalX: []

options = optimset(@fminbnd)
Exemplo: Clculo de
>> options.MaxFunEvals
>> options.MaxIter
>> options.TolX
>> options.TolX = 1e-12;

>> x = fminbnd(@cos, 3, 4, options)
ans =
3.14159265402771
(3.14159480185141)
500
500
1e-4

Exemplo para campo magntico:
Definio da Funo a ser minimizada:
function y = fun(x)
y = campodip(x, 0, 1);

Funo fminbnd:
>> options.TolX = 1e-12;
>> x = fminbnd(@fun, -1, 1, options)
x =
-1.089617451163368e-012 (xmin = 0)
x =
5.551115123125783e-016
(xmin = 0)

Funo fminbnd:

Funo fminbnd:

x =
-1.998401444325282e-015 (xmin = 0)

x =
-1.998401444325282e-015 (xmin = 0)

x =
-4 (mnimo local!)

x =
-4 (mnimo local!)

Funo fzero: busca de raiz de funo
escalar no-linear

Funo optimset:
options = optimset(@fzero)
Sintaxe: x = fzero(FUN, x0);

x0: ponto inicial de busca
x: zero encontrado prximo a x0, ou NaN
se no encontrar soluo
FUN(x) = 0!
>> options.TolX
2.22e-16
Exemplo: x = fzero(@sin, 3) ou
x = fzero('sin', 3)

escalar no-linear

escalar no-linear
Exemplo: Clculo de
Exemplo: Campo magntico
>> x = fzero(@sin, 3)
ans =
3.14159265358979
>> x = fzero(@fun, 1)
ans =
0.70710678118655

escalar no-linear

escalar no-linear
Exemplo: Clculo de
>> x = fzero(@sin, 3)
ans =
3.14159265358979
>> x = fzero(@fun, -1)

ans =
-0.70710678118655

escalar no-linear

Funo fsolve: resoluo de sistema de
equaes no-lineares por mnimos
quadrados
Sintaxe: X = fsolve(FUN, X0);
>> x = fzero(@fun, -1)

ans =
-0.70710678118655

X0: vetor com o ponto inicial de busca
X: vetor de zero encontrado prximo a X0
FUN(X) = 0
options = optimset(@fsolve)
options = optimset(@fsolve)
DerivativeCheck: 'off'
Diagnostics: 'off'
DiffMaxChange: 0.10000000000000
DiffMinChange: 1.000000000000000e-008
Display: 'final'
Jacobian: 'off'
JacobPattern: 'sparse(ones(jrows,jcols))'
LargeScale: 'off'
LevenbergMarquardt: 'off'
LineSearchType: 'quadcubic'
MaxFunEvals: '100*numberofvariables'
MaxIter: 400
MaxPCGIter: 'max(1,floor(numberofvariables/2))'
NonlEqnAlgorithm: 'dogleg'
PrecondBandWidth: 0
TolFun: 1.000000000000000e-006
TolPCG: 0.10000000000000
TolX: 1.000000000000000e-006
TypicalX: 'ones(numberofvariables,1)'

quadrados
Exemplo: Clculo de
>> x = fsolve(@sin, 3)
Optimization terminated successfully:
First-order optimality is less than
options.TolFun.
x =
3.14159265329799
10

quadrados
>> x = fsolve(@fun, 1, optimset('fsolve'))
options.TolFun.
x =
0.70710678110186

quadrados

quadrados
options.TolFun.
x =
11
fun(11) = 0.0015

Exemplo para funo bidimensional:
Campo de um dipolo magntico para z = 1

Optimizer appears to be converging to a
minimum that is not a root:
Sum of squares of the function values is >
sqrt(options.TolFun).
Try again with a new starting point.
x =
0

Exemplo para funo bidimensional:
Campo de um dipolo magntico para z = 1
Bx ( x ) =
3x 2 r 2
r5
Bx ( x ) =
3x 2 r 2
r5
r = x2 + y 2 + z 2

Exemplo para campo magntico:
Definio da Funo a ser minimizada:
function y = fun2(x)
y = campodip(x(1), x(2), 1);
r = x2 + y 2 + z 2
11

equaes no-lineares por mnimos quadrados

equaes no-lineares por mnimos quadrados
>> x = fsolve(@fun, [0.5 0.5], optimset('fsolve'))
>> x = fsolve(@fun, [1 1], optimset('fsolve'))

Gradient in the search direction less than
tolFun
Gradient less than 10*(tolFun+tolX)
x =
0.70710531298487
0.00194507200989

Search direction less than tolX
x =
1
1
Campo magntico 2D: infinitos zeros!

>>
>>
>>
>>
Campo magntico 2D: infinitos zeros!
contour(X,Y,Bx, [0 0], 'r')

grid
xlabel('x')
ylabel('y')

Funo lsqnonlin: resoluo de problemas de
Sintaxe: x = lsqnonlin(FUN, x0, lb, ub, options, p1,
p2, ...);
x0: escalar ou vetor com o ponto inicial de busca
x: escalar ou vetor com o mnimo encontrado
prximo a x0
lb, ub: vetores com limites inferiores e superiores
para x
options: opes de otimizao
p1, p2, ... : parmetros para a funo
min x
[ FUN
(x )]

options = optimset(@lsqnonlin)
DerivativeCheck: 'off'
Diagnostics: 'off'
DiffMaxChange: 0.10000000000000
DiffMinChange: 1.000000000000000e-008
Display: 'final'
Jacobian: 'off'
JacobPattern: 'sparse(ones(jrows,jcols))'
LargeScale: 'on'
LevenbergMarquardt: 'on'
LineSearchType: 'quadcubic'
MaxFunEvals: '100*numberofvariables'
MaxIter: 400
MaxPCGIter: 'max(1,floor(numberofvariables/2))'
PrecondBandWidth: 0
TolFun: 1.000000000000000e-006
TolPCG: 0.10000000000000
TolX: 1.000000000000000e-006
TypicalX: 'ones(numberofvariables,1)'
12

Exemplo: Caixa Preta

R
CIRCUITO
ELETRNICO
Vin
Vout
Vin
Vout
Vout = Vin 1 exp
R
C


Vin = 5V
11 medidas de Vout, uma a cada segundo
t
Vout
0
1
2
3
4
5
6
7
8
9
10
0.014
3.186
4.337
4.775
4.884
4.966
4.985
4.963
5.004
4.978
5.028

>> Vin = 5;
>> t = 0:10;
>> Vout_e = [0.014 3.186 4.337 4.775 4.884 4.966 4.985
4.963 5.004 4.978 5.028];
>> plot(t, Vout_e, '.-', 'markersize', 20)
>> xlabel('t(s)')
>> ylabel('Vout(V)')
>> xlim([0 11])
>> ylim([0 5.5])

Como descobrir R e C
a partir destas medidas
experimentais?
function erro = filtroRC(X, Vin, t, Vout_e)

R = X(1);
C = X(2);
Vout = Vin * (1 exp(-t/(R*C)));
erro = Vout - Vout_e;
13


>> Vin = 5;
>> t = 0:10;
>> Vout_e = [0.014 3.186 4.337 4.775 4.884 4.966
4.985 4.963 5.004 4.978 5.028];
>> X0 = [1 1];
>> options = optimset(@lsqnonlin)
>> X = lsqnonlin('filtroRC', X0, [], [], options,
Vin, t, Vout_e)
>> Vin = 5;
>> t = 0:10;
>> Vout_e = [0.014 3.186 4.337 4.775 4.884 4.966
4.985 4.963 5.004 4.978 5.028];
>> X0 = [1 1];
>> options = optimset(@lsqnonlin)
>> X = lsqnonlin('filtroRC', X0, [], [], options,
Vin, t, Vout_e)
Relative function value changing by less than OPTIONS.TolFun
X=
0.9938

0.9938


>> R = X(1);
>> C = X(2);
>> Vout = Vin * (1 - exp(-t/(R*C)));
>>
>>
>>
>>
>>
figure
plot(t, Vout_e, 'b.', 'markersize', 20)
hold on, plot(t, Vout, 'r')
xlabel('t (s)'), ylabel('Vout (V)')
legend('Experimental', 'Ajustado')

Funo lsqcurvefit: resoluo de problemas
de mnimos quadrados no-lineares (ajuste
de curva)

Funo lsqcurvefit: resoluo de problemas
de mnimos quadrados no-lineares
Sintaxe: X = lsqcurvefit(FUN, X0, Xd, Yd);

X0: ponto inicial de busca
X: mnimo encontrado prximo a X0
Xd, Yd: dados para o ajuste
min x
function Vout = filtroRC2(X, t, Vin)

R = X(1);
C = X(2);
Vout = Vin * (1 exp(-t/(R*C)));
[ (FUN (x, xd ) yd ) ]
2
14

Funo lsqcurvefit: resoluo de problemas de

Funo lsqcurvefit: resoluo de problemas de
>> Vin = 5;
>> t = 0:10;
>> Vout_e = [0.014 3.186 4.337 4.775 4.884 4.966 4.985
4.963 5.004 4.978 5.028];
>> X0 = [1 1];
>> options = optimset(@lsqcurvefit)
>> X = lsqcurvefit('filtroRC2', X0, t, Vout_e, ...
[], [], options, Vin)
>> Vin = 5;
>> t = 0:10;
>> Vout_e = [0.014 3.186 4.337 4.775 4.884 4.966 4.985
4.963 5.004 4.978 5.028];
>> X0 = [1 1];
>> options = optimset(@lsqcurvefit)
>> X = lsqcurvefit('filtroRC2', X0, t, Vout_e, ...
[], [], options, Vin)
Relative function value changing by less than OPTIONS.TolFun
X=
0.9938
0.9938
Anlise de Dados
Interpolao
Minimizao de Funes
15

hall@ele.puc-rio.br
Anlise de Dados
Interpolao
Minimizao de Funes
Integrao
Conceitos chave da rea de clculo

Fundamentais para resoluo de
muitos problemas de engenharia e
cincia
Em alguns casos h soluo analtica
Em outros casos, necessria a
soluo numrica
Integral de uma funo f(x), para x

variando entre a e b:
rea sob a curva, entre x=a e x=b
Integrao numrica
Diferenciao numrica
Integrao
Integrao


rea A sob a curva, entre x=a e x=b

b
A = f (x )dx
a
f(x): integrando
a: limite inferior de integrao
b: limite superior de integrao
x: varivel de integrao
soluo analtica:
encontrar a primitiva p(x) da funo f(x)
f (x ) p(x )
dp (x )
= f (x )
dx
calcular a funo p(x) em x = a e x = b

a integral ser dada por:
A = p(b ) p(a )
Integrao Numrica
soluo numrica: quadratura
aproximar a funo f(x) por outra funo, que
seja fcil de calcular a rea
ou seja, cuja primitiva seja simples
calcular a integral da funo de aproximao

Quanto melhor a aproximao da funo f(x),
mais exato ser o valor da integral numrica
Integrao Numrica
Regra Trapezoidal: Aproximao por
segmentos de reta
Integrao Numrica
soluo numrica: quadratura
Tcnicas mais comuns:
segmentos de reta
Regra de Simpson: Aproximao por
segmentos de parbola
Regra de Newton-Cotes: Aproximao por
segmentos de funes de ordens superiores
Integrao Numrica
segmentos de reta
Divide-se o intervalo [a,b] em n sub-intervalos

de igual largura x
ba
x =
n
Cada subintervalo definido por [xi,xi+x]
xi = a + ix
Define-se a funo de aproximao por retas
que conectam os valores da funo f(x) nos
extremos de cada intervalo
Integrao Numrica
segmentos de reta
A=
Ai =
i =0
A=
x
( f (xi ) + f (xi +1 ))
i =0 2
n
x
( f (xo ) + 2 f (x1 ) + 2 f (x2 ) + L + 2 f (xn 1 ) + f (xn ))
2
Ai
Ai =
f (xi ) + f (xi +1 )
x
2
Integrao Numrica
Matlab: funo trapz()
z = trapz(x,y)
elementos do vetor x, definindo a funo
y=f(x)
z: integral numrica de y=f(x), correspondente
rea A da funo no intervalo definido pelo
mnimo e pelo mximo do vetor x
Integrao Numrica
Exemplo: funo y=humps(x)
>>
>>
>>
>>
>>
>>
Integrao Numrica
x = -1:0.01:2;
y = humps(x);
plot(x,y,'linewidth', 2)
xlabel('x')
ylabel('humps(x)')
grid
Integrao Numrica
Integrao Numrica
Integrao usando 20 pontos:

>>
>>
>>
>>
xi = -1:3/19:2;
yi = humps(xi);
hold
plot(xi,yi,'r.', 'markersize', 20)
Integrao Numrica
Integrao Numrica
Integrao usando 20 pontos:
>> area = trapz(xi,yi)
area =
26.4507
Integrao Numrica
Variando o nmero de pontos de integrao:
>>
>>
>>
>>
>>
>>
>>
Integrao Numrica
for N = 1:300,
xi
= -1:3/N:2;
yi
= humps(xi);
area(N) = trapz(xi,yi);
end
plot(1:300, area)
xlabel('N'), ylabel('area'), grid
Integrao Numrica
Matlab: funo cumtrapz()
z = cumtrapz(x,y)
elementos do vetor x, definindo a funo
y=f(x)
z: integral cumulativa numrica de y=f(x)
x
A( x ) = f ( x )dx
a
Integrao Numrica
Integrao Numrica
Integrao cumulativa usando 200 pontos:
>> xi = -1:3/199:2;
>> yi = humps(xi);
>> zi = cumtrapz(xi,yi);
>> plot(xi,yi,'b', 'linewidth', 2)
>> hold
>> plot(xi,zi,'r', 'linewidth', 2)
>> xlabel('N'), grid
>> legend('f(x)', 'A(x)')
Integrao Numrica
Exemplo: Navegao Inercial
Acelermetro: mede a acelerao
instantnea a(t) de um objeto
Velocidade Instantnea:
v(t ) = a(t )dt

0
Posio Instantnea:
x(t ) = v(t )dt

0
Integrao Numrica
Experimento Realizado:
t (s)
0
1
2
3
4
5
6
7
8
9
10
a (m/s2)
0
2
4
7
11
17
24
32
41
48
51
Integrao Numrica
Integrao Numrica
Experimento Realizado:
>> t = [0:10];
>> a = [0,2,4,7,11,17,24,32,41,48,51];
>> v = cumtrapz(t,a);
>> x = cumtrapz(t,v);
>> plot(t,a,t,v,t,x)
>> xlabel('t(s)'), xlabel('t(s)'), grid
>> legend('a(t)', 'v(t)', 'x(t)')
Integrao Numrica
Divide-se o intervalo [a,b] em 2n sub-intervalos
de igual largura x
ba
x =
2n
Cada subintervalo definido por [xi,xi+x]
xi = a + ix
Define-se a funo de aproximao por trechos

de parbola que conectam os valores da funo
f(x) nos extremos de cada intervalo
Integrao Numrica
x f ( xo ) + 4 f ( x1 ) + 2 f ( x2 ) + 4 f ( x3 ) + L
A=
3 + 2 f ( x2 n 2 ) + 4 f (x2 n 1 ) + f (x2 n )
Matlab:
Funo quad: regra de Simpson
Funo quadl: regra de Newton-Cotes
Integrao Numrica
Matlab: funo quad()
z = quad(FUN,a,b)
a, b: limites inferior e superior de
integrao
z: integral numrica de FUN(x),
correspondente rea A da funo no
intervalo [a,b]
IMPORTANTE: a prpria funo quad (e a
quadl) determina automaticamente o
nmero timo de intervalos
Integrao Numrica
>> quad('humps', -1, 2)
ans =
26.34496050120123
>> quadl('humps', -1, 2)
ans =
26.34496047137897
Integrao Numrica
Exemplo: funo y=func(x)
Integrao Numrica
Integrao Bidimensional:
funo dblquad()
z = dblquad(FUN,xmin,xmax,ymin,ymax)
xmin, xmax: limites inferior e superior de
integrao na varivel x
ymin, ymax: limites inferior e superior de
integrao na varivel x
z: integral numrica de FUN(x,y),
correspondente rea A da funo no
intervalo [xmin,xmax], [ymin,ymax]
Integrao Numrica
Exemplo: funo y=func(x)
function z = func(x,y)
z = sin(x).*cos(y) + 1;
x = 0:pi/19:pi;
y = -pi:2*pi/19:pi;
[X,Y] = meshgrid(x,y);
Z = func(X,Y);
mesh(X,Y,Z),xlabel('x'),ylabel('y')
Integrao Numrica
Exemplo: funo y=func(x,y)
Diferenciao
Derivada de uma funo f(x):
Inclinao da reta tangente funo f(x)
>> dblquad(func,0,pi,-pi,pi)
ans =
19.73921476256606
Diferenciao
Diferenciao

Taxa de variao da funo f(x) em relao
a x:
f ( x ) =
df ( x )
dx
df (x )
= g (x )
dx
Definio Formal:
f ( x ) = lim
Diferenciao e Integrao so operaes

complementares:
f ( x ) =
x 0
f (x + x ) f ( x )
x
f ( x ) = g (x )dx
Diferenciao Numrica
Aproximao da derivada da funo
f(x):
Estima-se a derivada em um ponto xk
por meio da aproximao da inclinao
da tangente em xk:
Diferenciao Numrica
Diferenas Regressivas:
Inclinao da reta ligando (xk-1, f(xk-1)) a
(xk, f(xk))
f ( xk ) =
f ( xk ) f (xk 1 )
xk xk 1
f ( xk ) =
f ( xk ) f ( xk 1 )
x
Utiliza valores da funo prximos a xk

Diferenas Regressivas
Diferenas Progressivas
Diferenas Centrais
Diferenciao Numrica
Diferenciao Numrica
Diferenas Progressivas:
Observaes
Inclinao da reta ligando (xk, f(xk)) a

(xk+1, f(xk+1))
f ( xk ) =
f ( xk +1 ) f (xk )
xk +1 xk
f ( xk ) =
f ( xk +1 ) f ( xk )
x
A diferena progressiva em xk idntica

diferena regressiva em xk+1
Diferenciao Numrica
Diferenciao Numrica
Diferenas Centrais:
Observaes:
A qualidade de ambas as aproximaes
depende fortemente de dois fatores:
Mdia entre as diferenas regressivas e

as diferenas progressivas
1 f ( xk +1 ) f (xk ) f ( xk ) f (xk 1 )
f ( xk ) =
+
2
x
x
Espaamento entre as amostras

Espalhamento nos dados devido a erros de
medio
Quanto maior o espaamento xk, mais

difcil a estimao da derivada
f ( xk ) =
Diferenciao Numrica
Diferenciao Numrica
Matlab: funo diff()
Matlab: funo diff()

dx = diff(x)
x: vetor de dimenso N
dx: vetor contendo as diferenas entre
os elementos de x, com dimenso N-1
dx = [x(2)-x(1) x(3)-x(2) ... x(n)-x(n-1)]
Diferenciao Numrica
Os valores da aproximao para f(x) valem

tanto para as diferenas progressivas
quanto para as diferenas regressivas
A diferena est em quais valores de x so
atribudos aos valores de df
>> df = dy./dx
df =
4
>> dy = diff(y)
dy =
1
-2
Matlab: funo diff()
Aproximao para f(x):
-2
Exemplo:
>> x = [0,1,2,3,4,5];
>> y = [2,3,1,5,8,10];
>> dx = diff(x)
dx =
1
1
1
1
Diferenciao Numrica
Matlab: funo diff()
f ( xk +1 ) f ( xk 1 )
2 x
>>
xr
>>
xp
xr = x(2:end)
=
1
2
xp = x(1:end-1)
=
0
1
Diferenciao Numrica
Matlab: funo diff()
>> xr = x(2:end);
>> xp = x(1:end-1);
>> plot(x, y, 'b.-', ...
xr, df, 'r.-',xp,df, 'g.-')
>> xlabel('x'), ylabel('y'), grid
>> axis([-1 6 -3 11])
>> legend('f(x)', 'f''(x)-Reg.', ...
'f''(x)-Prog.')
Diferenciao Numrica
Matlab: funo diff()
Diferenciao Numrica
Diferenciao Numrica
Exemplo: Senide ruidosa
Exemplo: Senide ruidosa
>>
>>
>>
>>
>>
>>
>>
>>
>>
>>dyr_c = (yr(3:n)-yr(1:n-2))./(x(3:n)-x(1:n-2));
>> subplot(2,1,2)
>> plot(x(2:n-1),td(2:n-1),x(2:n-1),dyr_c, 'o')
>> xlabel('x'), ylabel('Derivative')
>> axis([0 pi -2 2])
>> legend('Derivada real', 'Diferenas Centrais')
Diferenas Centrais
x = [0:pi/50:pi]; n = length(x);
yr = sin(x)+0.025*randn(1,n);
td = cos(x); Derivada do sinal senoidal sem rudo
Diferenas Regressivas
dyr_r = diff(yr)./diff(x);
subplot(2,1,1),
plot(x(2:n),td(2:n),x(2:n),dyr_r,'o')
xlabel('x'), ylabel('Derivada')
axis([0pi -2 2])
legend('Derivada real','Diferenas Regressivas')
Diferenciao Numrica
Diferenciao Numrica
Anlise de Dados
Interpolao
Minimizao de Funes
At o momento: Processamento
Numrico
Envolvendo dados numricos

Representados por nmeros em ponto
flutuante com preciso dupla
Matlab: Tambm realiza Processamento

Simblico
Manipulao de expresses matemticas,
como se estivesse usando papel e lpis
Objetivo: obter solues em forma fechada
Declarao de Variveis e Constantes
como Objetos Simblicos:
Variveis:
>> syms x y
Variveis Reais:
>> syms x y real
Constantes:
>> pi = sym('pi')
>> delta = sym('1/10')
>> sqroot2 = sym('sqrt(2)')
Expresses Simblicas:
Utilizam as variveis e constantes simblicas
definidas previamente
Juntamente com os operadores e funes
pr-definidas do Matlab
Exatamente como se estivesse fazendo um
clculo numrico
Declarao de Variveis e Constantes
como Objetos Simblicos:
>> whos
Name
delta
pi
sqroot2
x
y
Size
1x1
1x1
1x1
1x1
1x1
Bytes
132
128
138
126
126
Class
sym object
sym object
sym object
sym object
sym object
Grand total is 20 elements using 650 bytes
>> syms s t A
>> f = s^2 + 4*s + 5
f = s^2+4*s+5
>> g = s + 2
g = s+2
10
>> h = f*g
h = (s^2+4*s+5)*(s+2)
Funo findsym: determina quais so os
objetos simblicos contidos em um outro
objeto simblico (ou expresso)
>> z= exp(-s*t)
z = exp(-s*t)
>> findsym(f)
ans = s
>> y = A*z
y = A*exp(-s*t)
>> findsym(z)
ans = A, s, t
Notao Matricial: tambm aplicvel no
processamento simblico
>> n = 3;
>> syms x
>> B = x.^((0:n)'*(0:n))
Manipulao de Expresses Polinomiais:
expand(S): expanso da expresso simblica
polinomial S como um produto de seus
fatores
factor(S): fatorao polinomial da expresso
simblica polinomial S
simplify(S): simplificao da expresso
simblica polinomial S
subs(S): substituio de variveis
numden(S): forma racional do polinmio S
Notao Matricial: tambm aplicvel no
processamento simblico
>> n = 3;
>> syms x
>> B = x.^((0:n)'*(0:n))
B =
[
1,
1,
1,
1]
[
1,
x, x^2, x^3]
[
1, x^2, x^4, x^6]
[
1, x^3, x^6, x^9]
Adio:
>>
>>
>>
>>
syms s
A = s^4 -3*s^3 -s +2;
B = 4*s^3 -2*s^2 +5*s -16;
C = A + B
C =
s^4+s^3+4*s-14-2*s^2
11
Multiplicao:
Multiplicao Escalar:
>> A = s+2;
>> B = s+3;
>> C = A*B
C =
(s+2)*(s+3)
>> A = s^4 -3*s^3 -s +2;

>> C = 3*A
C =
3*s^4-9*s^3-3*s+6
>> C = expand(C)
C =
s^2+5*s+6
Fatorao:
Denominador Comum:
>> D = s^2 + 6*s + 9;

>> D = factor(D)
D =
(s+3)^2
H (s ) =
>> P = s^3 - 2*s^2 -3*s + 10;

>> P = factor(P)
P =
(s+2)*(s^2-4*s+5)
1/ 6 1/ 2 2 / 3
+
s + 3 s +1
s
H (s ) =
Denominador Comum:
s+2
s + 4 s 2 + 3s
3
Cancelamento de Termos:
>> H = -(1/6)/(s+3) -(1/2)/(s+1) +(2/3)/s;

>> [N,D] = numden(H)
N =
s+2
D =
(s+3)*(s+1)*s
>> D = expand(D)
D =
s^3+4*s^2+3*s
H (s ) =
s+2
s 3 + 4 s 2 + 3s
H (s ) =
s 3 + 2s 2 + 5s + 10
s2 + 5
>> H = (s^3 +2*s^2 +5*s +10)/(s^2 + 5);

>> H = simplify(H)
H =
s+2
12
Cancelamento de Termos:
H (s ) =
s 3 + 2s 2 + 5s + 10
s2 + 5
Substituio de Variveis:
H (s ) = s + 2
>> factor(s^3 +2*s^2 +5*s +10)

ans =
(s+2)*(s^2+5)
Substituio de Variveis:
H (s ) =
s+3
s + 6s + 8
2
G (s ) = H (s ) s = s + 2
Expresses Trigonomtricas:
>> H = (s+3)/(s^2 +6*s + 8);

>> G = subs(H,s,s+2)
G =
(s+5)/((s+2)^2+6*s+20)
>> syms theta phi

>> A = sin(theta + phi)
A =
sin(theta+phi)
>> G = collect(G)
G =
s+5
(s+5)/(s^2+10*s+24) G (s ) = s 2 + 10 s + 24
>> A = expand(A)
A =
sin(theta)*cos(phi)+cos(theta)*sin(phi)
>> B = cos(2*theta)
B =
cos(2*theta)
>> C = 6*((sin(theta))^2+(cos(theta))^2)
C =
6*sin(theta)^2+6*cos(theta)^2
>> B = expand(B)
B =
2*cos(theta)^2-1
>> C = expand(C)
C = 6 !!!
C =
6*sin(theta)^2+6*cos(theta)^2
13
>> syms theta real
>> A = real(exp(j*theta))
A =
1/2*exp(i*theta)+1/2*exp(-i*theta)
>> A = simplify(A)
A =
cos(theta)
Equaes Algbricas e Transcendentais
funo solve(E1,E2,...,EN): encontra as
razes das expresses E1, E2, ..., EN
>> syms s
>> E = s+2;
>> s = solve(E)
s =
-2


>> syms s
>> D = s^2 +6*s +9;
>> s = solve(D)
s =
[ -3]
[ -3]
>> P = s^3 -2*s^2 -3*s + 10;

>> s = solve(P)
s =
[ -2]
[ 2+i]
[ 2-i]


>> syms theta x z

>> E = z*cos(theta) - x;
>> theta = solve(E,theta)
theta =
acos(x/z)
>> syms x
>> E = exp(2*x) + 4*exp(x) -32;
>> x = solve(E)
x =
[ log(-8)]
[ log(4)]
14
Clculo - Diferenciao
funo diff:
diff(E): diferencia a expresso simblica E em
relao varivel livre, determinada
automaticamente
diff(E,v): diferencia a expresso simblica E em
relao varivel simblica v
diff(E,n): diferencia n vezes a expresso
simblica E em relao varivel livre
diff(E,v,n): diferencia n vezes a expresso
simblica E em relao varivel simblica v
>> g = s^n;
>> h = diff(g)
h = s^n*n/s
>> h = simplify(h)
h = s^(n-1)*n
>> syms s n
>> p = s^3 + 4*s^2 -7*s -10;
>> d = diff(p)
d = 3*s^2+8*s-7
>> e = diff(p,2)
e = 6*s+8
>> f = diff(p,3)
f = 6
>> syms x
>> f1 = log(x);
>> df1 = diff(f1)
df1 = 1/x
>> f2 = (cos(x))^2;
>> df2 = diff(f2)
df2 = -2*cos(x)*sin(x)
>> f3 = sin(x^2);
>> df3 = diff(f3)
df3 = 2*cos(x^2)*x
>> f4 = cos(2*x);
>> df4 = diff(f4)
df4 = -2*sin(2*x)
>> df3 = simplify(df3)

df3 = 2*cos(x^2)*x
>> f5 = exp(-(x^2)/2);
>> df5 = diff(f5)
df5 = -x*exp(-1/2*x^2)
15
Clculo - Integrao
Clculo - Integrao
funo int:
int(E): determina a integral indefinida da

expresso simblica E em relao varivel
livre, determinada automaticamente. Se E
constante, integrao em relao varivel x
int(E,v): integral indefinida da expresso
int(E,a,b): integral definida da expresso
simblica E com limites de integrao a e b
diff(E,v,a,b): integral definida da expresso
com limites de integrao a e b
Clculo - Integrao
>> int(x,1,t)
ans = 1/2*t^2-1/2
>> int(x^3,a,b)
ans = 1/4*b^4-1/4*a^4
>> syms x n a b t
>> int(x^n)
ans = x^(n+1)/(n+1)
>> int(x^3 +4*x^2 + 7*x + 10)
ans = 1/4*x^4+4/3*x^3+7/2*x^2+10*x
Clculo - Integrao
>> syms x
>> int(1/x)
ans = log(x)
>> int(cos(x))
ans = sin(x)
Clculo - Integrao
>> int(1/(1+x^2))
ans = atan(x)
>> int(exp(-x^2))
ans = 1/2*pi^(1/2)*erf(x)
16

Aula Matlab Avancado

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Aula Matlab Avancado

Uploaded by

Copyright:

Available Formats

Processamento de Sinais

MQI 2104 - Processamento e

Muitos problemas precisam usar nmeros

Gerao de Nmeros Aleatrios

Gerao de Nmeros Aleatrios

Gerao de Nmeros Aleatrios

Gerao de Nmeros Aleatrios

A mesma semente gerar a mesma seqncia!

Intervalo Real: [2-53, 1-2-53]

Gerao de Nmeros Aleatrios

Gerao de Nmeros Aleatrios

Gerao de Nmeros Aleatrios

Gerao de Nmeros Aleatrios

rand: distribuio uniforme em [0,1]

Gerao de Nmeros Aleatrios

Gerao de Nmeros Aleatrios

Gerao de Nmeros Aleatrios

Gerao de Nmeros Aleatrios

rand: simulao de v.a. Discretas

Gerao de Nmeros Aleatrios

Gerao de Nmeros Aleatrios

rand: simulao de v.a. Discretas

Gerao de Nmeros Aleatrios

Gerao de Nmeros Aleatrios

rand: simulao de v.a. Discretas

Gerao de Nmeros Aleatrios

Gerao de Nmeros Aleatrios

rand: simulao de v.a. Discretas

Gerao de Nmeros Aleatrios

Funo Densidade de Probabilidade (pdf)

Gerao de Nmeros Aleatrios

Gerao de Nmeros Aleatrios

Matlab: distribuio Normal N(0,1)

Gerao de Nmeros Aleatrios

Gerao de Nmeros Aleatrios

Gerao de Nmeros Aleatrios

Gerao de Nmeros Aleatrios

>> max([set1 set2])

>> max([set1 set2])

>> min([set1 set2])

>> min([set1 set2])

Suponha x um vetor de N elementos:

prod(x): produto dos elementos do vetor x

Suponha x um vetor de N elementos:

prod(x): produto cumulativo dos elementos

y[n] = cumprod (x[n]) = x[k ]

Suponha X uma matriz MxN:

Matlab: funes hist() e bar()

Caso contnuo: Aproximao da pdf

N(k) = nmero de amostras tais que

Freqncia Relativa do bin k: pd~f (k ) = N (k )

hist(x): calcula e exibe automaticamente o

median(): mediana valor central de um

Medidas de Tendncia Central

var(): varincia quadrado do desvio padro

x: vetor de N elementos, crescentes

Matlab: funo interp1()

plot(x,y, '.', 'markersize', 20)

Matlab: funo interp1()

Similar, para interpolao bidimensional

X: matriz MxN elementos, crescentes

Xi e Yi: matrizes de PxQ elementos, contendo os

Interpolao Cbica (Spline)

Interpolao Cbica (Spline)