Alexandre Marcondes

Resolução de Exercícios - Métodos Numéricos

para Interpolação Polinomial e Ajuste de Curvas

Foz do Iguaçu
Junho de 2017
 Alexandre Marcondes

Resolução de Exercícios - Métodos Numéricos para

Interpolação Polinomial e Ajuste de Curvas

Trabalho apresentado a disciplina de Méto-

dos Numéricos do programa de mestrado em
Engenharia Elétrica e Computação. Prof. Dr.
Ricardo Luiz de Barros Freitas.

Universidade Estadual do Oeste do Paraná

Mestrado em Engenharia Elétrica e Computação
Sistemas Dinâmicos e Energéticos

Foz do Iguaçu
Junho de 2017
 Resumo

Este trabalho apresenta a solução de problemas propostos de interpolação linear e

ajuste de curvas através de métodos numéricos. Os problemas foram solucionados através
de programas implementados no software MatLab, sendo que foram utilizados diretamente
neste trabalho os seguintes métodos: interpolação linear através da resolução de sistema
linear, forma de Lagrange, polinômio interpolador de Newton e Método dos Mínimos
Quadrados. Além disso, apresentam-se também aspectos teóricos básicos sobre os métodos
que foram implementados. Neste trabalho os problemas propostos foram resolvidos com
sucesso, obtendo como principais resultados os polinômios interpoladores ou as curvas
ajustadas para cada caso estudado.
 Lista de tabelas

Tabela 1 – Deflexão em função do tempo em uma prancha de saltos. . . . . . . . . 13

Tabela 2 – Tabela de diferenças divididas para o exercício 1. . . . . . . . . . . . . 14
Tabela 3 – Velocidade do paraquedista em função do tempo. . . . . . . . . . . . . 15
Tabela 4 – Consumo de gás durante os meses. . . . . . . . . . . . . . . . . . . . . 18
Tabela 5 – Valor de um carro em função dos anos . . . . . . . . . . . . . . . . . . 19
 4

Sumário

1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2 METODOLOGIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1 Interpolação Polinomial . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.1 Resolução do Sistema Linear . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.2 Forma de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.3 Forma de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.4 Estimativa de erro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2 Funções Spline . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3 Método dos Mínimos Quadrados . . . . . . . . . . . . . . . . . . . . . 10
2.3.1 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.2 Caso Contínuo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3 RESULTADOS E DISCUSSÃO . . . . . . . . . . . . . . . . . . . . . 13
3.1 Exercício 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.2 Exercício 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.3 Exercício 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.4 Exercício 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

4 CONCLUSÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
 5

1 Introdução

Os métodos de interpolação e ajuste de curvas são essenciais para a análise de

dados nas mais diversas áreas. Ao se obter dados experimentais durante alguma pesquisa,
os métodos de interpolação e ajuste de curva podem ser utilizados para se obter o
comportamento do sistema que está sendo analisado, podendo estimar uma função que
descreva este comportamento. Segundo Chapra e Canale (2011) são duas as aplicações
principais para os métodos de ajuste de dados experimentais: análise de tendência e teste
de hipótese. A análise de tendência trata de fazer previsões de valores de uma variável, no
qual pode-se utilizar interpolação polinomial no caso de dados com alta precisão, ou ajuste
de curvas para dados não tão precisos. Já nos testes de hipótese os métodos de ajuste
de curva são utilizados para dados experimentais, desenvolvendo modelos matemáticos e
comparando tais modelos com os valores medidos, observando assim a eficácia do modelo
desenvolvido. Neste trabalho algumas das aplicações dos métodos de interpolação e ajuste
de curva serão apresentados através de exemplos. Porém, a gama de aplicações de tais
métodos numéricos se estendem bastante.

1.1 Objetivos
Este trabalho tem como objetivo a resolução de alguns problemas relacionados
aos métodos numéricos de interpolação polinomial e ajuste de curvas, utilizando para
tal programas desenvolvidos no software MatLab. Além deste objetivo principal, tem-
se também como objetivo a apresentação dos principais aspectos teóricos utilizados no
desenvolvimento dos programas.
 6

2 Metodologia

Neste capítulo apresentam-se os métodos utilizados para a resolução dos exercícios

deste trabalho. Os programas foram implementados no software MatLab. Foram utilizados
3 métodos de interpolação polinomial (resolução de sistema linear, forma de Lagrange e
forma de Newton) e o método dos mínimos quadrados (MMQ) discreto para o ajuste de
curvas. Além destes programas, foram desenvolvidos também os códigos da interpolação
por função spline (simples e cúbica) e o MMQ contínuo. São apresentadas aqui basicamente
as principais relações utilizadas na criação dos algoritmos, além das entradas que são
requisitadas na execução de cada programa utilizado.

2.1 Interpolação Polinomial

Três métodos de interpolação polinomial são apresentados neste tópico: Resolução
do sistema linear, forma de Lagrange e polinômio interpolador de Newton. Para os três
programas desenvolvidos para estes métodos, são requisitadas as seguintes entradas:

• Dados de x e f(x) tabelados;

• Ponto para o qual deseja-se calcular o polinômio.

As saídas serão o polinômio interpolador e o valor do polinômio calculado no ponto

especificado.

2.1.1 Resolução do Sistema Linear

Dado um conjunto de pontos (x0 ,f (x0 )), (x1 ,f (x1 )),...,(xn ,f (xn )), deseja-se aproxi-
mar f(x) por um polinômio pn (x) de grau n tal que:

f (xk ) = pn (xk ), k = 1, 2, ..., n (2.1)

Representa-se pn (x) por

pn (x) = a0 + a1 x + a2 x2 + ... + an xn (2.2)

Assim, para se obter pn (x) devem ser obtidos os coeficientes a0 , a1 ,...,an . Sabendo que o
polinômio em cada ponto xk é igual a f (xk ), pode-se pontar o seguinte sistema linear:





a0 + a1 x0 + a2 x20 + .. + an xn0 = f (x0 )

a0 + a1 x1 + a2 x21 + .. + an xn1 = f (x1 )


(2.3)




...

a0 + a1 x + a2 xn + .. + an xnn = f (xn )
2


Capítulo 2. Metodologia 7

Como os valores de xk e f (xk ) são valores conhecidos, encontrar os coeficientes ak e

consequentemente encontrar pn (x) transforma-se na tarefa de solucionar o sistema de
equações acima ou a matriz apresentada abaixo:
 

1 x0 x20 ... xn0 
1 x1 x21 ... xn1 
 

  (2.4)
... ... ... ... 
 

 
1 xn x2n ... xnn

Observa-se que para k pontos, o grau n do polinômio será igual a k-1. Ou seja, para 3
pontos o polinômio interpolante será de grau 2, para 4 pontos o polinômio terá grau 3 e
assim sucessivamente.

2.1.2 Forma de Lagrange

A forma de Lagrange consiste em obter coeficientes Lk (x) de grau n, tais que:

pn (xi ) = y0 L0 (xi ) + y1 L1 (xi ) + ... + yn Ln (xi ) = yi (2.5)

Assim, tem-se que para a forma de Lagrange o polinômio interpolador é dado por:
n
X
pn (xi ) = y k Lk (2.6)
k=0

Onde os polinômios Lk são calculados através da seguinte equação:

n
(x − xj )
Q
j=0
j6=k
Lk (x) = n (2.7)
(xk − xj )
Q
j=0
j6=k

As relações 2.6 e 2.7 são as relações principais utilizadas na implementação dos

algoritmos utilizados neste trabalho. Observa-se que os polinômios Lk (x) dependem dos
valores iniciais de x, já o polinômio é calculado pela multiplicação dos pontos iniciais de y
pelos polinômios Lk (x).

2.1.3 Forma de Newton

A forma de Newton para o polinômio interpolador é calculada através dos chamados
operadores de diferenças divididas (d). O polinômio que interpola f(x) nos pontos dados é
dado por:

pn (x) = d0 + d1 (x − x0 ) + d2 (x − x0 )(x − x1 ) + ... + dn (x − x0 )(x − x1 )...(x − xn−1 ) (2.8)

Capítulo 2. Metodologia 8

Os coeficientes dk , para k = 1, 2, ..., n, são chamados de operadores de diferenças

divididas de ordem k entre os pontos (xj , f (xj )), j = 0, 1, ..., k (RUGGIERO; LOPES,
1998). Os valores das diferenças divididas são calculados da seguinte forma:

f [x0 ] = f (x0 ) (ordem 0)

f [x1 ] − f [x0 ] f (x1 ) − f (x0 )

f [x0 , x1 ] = = (ordem 1)
x1 − x0 x1 − x0
f [x1 , x2 ] − f [x0 , x1 ]
f [x0 , x1 , x2 ] = (ordem 2)
x2 − x0
(2.9)
f [x1 , x2 , x3 ] − f [x0 , x1 , x2 ]
f [x0 , x1 , x2 , x3 ] = (ordem 3)
x3 − x0

.........

f [x1 , x2 , ..., xn ] − f [x0 , x1 , x2 , ..., xn ]

f [x0 , x1 , ..., xn ] = (ordem n)
xn − x0
Então, dadas as diferenças divididas calculadas para os pontos da função, o polinômio que
interpola pn (x) nos pontos tabelados através na forma de Lagrange é dado por:

pn (x) = f (x0 ) + (x − x0 )(f [x0 , x1 ]) + (x − x0 )(x − x1 )f [x0 , x1 , x2 ] + ...+

+ ... + (x − x0 )(x − x1 )...(x − xn−1 )f [x0 , x1 , ..., xn ] (2.10)

A Equação 2.10 é o polinômio interpolador no formato de Newton, calculado através

dos pontos e das funções nos pontos, utilizando a tabela de diferenças divididas.

2.1.4 Estimativa de erro

Uma estimativa de erro para os polinômio interpoladores apresentados será apresen-
tada. O erro real do polinômio seria dado calculando-se o módulo da f (x) real subtraída do
pn (x) calculado. Porém, na grande maioria das vezes não se conhece a função original para
a qual se obteve o polinômio interpolador. Uma alternativa para quando não se conhece a
função real, é a utilização da tabela de diferenças divididas (utilizada no polinômio inter-
polador de Newton). A estimativa do erro é dada através da seguinte relação(CHAPRA;
CANALE, 2011):

epn = f [xn+1 , xn , xn−1 , ..., x0 ](x − x0 )(x − x1 )...(x − xn ) (2.11)

Observa-se que utiliza-se a diferença dividida em n-1 para a estimativa do erro. Ou seja,
para se obter uma estimativa de erro por este método, n+1 pontos devem estar disponíveis.
Este método também foi implementado neste trabalho e é utilizado para o cálculo de erro
em um dos problemas que são apresentados na sequência.
Capítulo 2. Metodologia 9

2.2 Funções Spline

As funções spiline interpolam os dados em cada subintervalo de xi−1 até xi , ou seja,
para uma tabela com vinte dados, são calculadas dezenove curvas spline para cada um dos
subintervalos. As splines são lineares, onde cada curva nos subintervalos é de grau 1, ou
cúbicas, onde cada um dos subintervalos tem uma curva spline de grau 3 (RUGGIERO;
LOPES, 1998). Assim como nos três métodos de interpolação polinomial apresentados
nos tópicos anteriores, nos programas desenvolvidos para a obtenção das funções spline
são requisitados como entrada os dados de x e f(x) tabelados, além do ponto para o qual
deseja-se calcular o polinômio. Porém, há uma diferença na saída: são calculadas n-1
funções spline para n pontos tabelados, ou seja, uma função spline para cada subintervalo.
No caso linear, as splines lineares em cada subintervalo [xi−1 , xi ], i = 1, 2, ..., n, sendo n o
número de dados tabelados, são dadas por:
xi − x x − xi−1
sk (x) = f (xi−1 ) + f (xi ) (2.12)
xi − xi − 1 xi − xi−1
Ou seja, cada subintervalo dos dados tabelados terão um polinômio interpolador no formado
apresentado na Equação 2.12. Caso o objetivo seja calcular a função em determinado
ponto, deve se verificar a qual intervalo pertence este ponto e selecionar a função spline
correta. No caso das splines cúbicas, deve se encontrar uma spline para cada subintervalo,
tal que:
sk (x) = ak (x − xk )3 + bk (x − xk )2 + ck (x − xk ) + dk (2.13)

para k=1,2,...,n. Os coeficientes ak , bk , ck e dk , considerando hk o tamanho de cada

subintervalo, são dados por (RUGGIERO; LOPES, 1998):
gk − gk−1
ak = (2.14)
6hk

gk
bk = (2.15)
2
" #
yk − yk−1 2hk gk + gh−1 hk
ck = + (2.16)
hk 6

dk = y k (2.17)

Onde as funções gk são as derivadas segundas de cada um dos polinômio sk são Após
algumas condições assumidas, e reorganização dos termos, a seguinte relação é obtida
para se obter um sistema de equações onde as variáveis serão as funções gk (RUGGIERO;
LOPES, 1998):
!
yk+1 − yk yk − yk−1
hk gk−1 + 2(hk + hk+1 )gk + hk+1 gk+1 =6 − (2.18)
hk+1 hk
Capítulo 2. Metodologia 10

Calculados os valores de gk , os valores dos coeficientes ak , bk , ck e dk podem ser calculados e,

consequentemente, as splines cúbicas para cada subintervalo também podem ser calculadas
através de Equação 2.13.

2.3 Método dos Mínimos Quadrados

Os métodos de interpolação muitas vezes oferecem boa aproximação de polinômios
para um conjunto de dados, porém, muitas vezes os polinômios interpoladores não são
recomendados. Não se aconselha a interpolação quando(RUGGIERO; LOPES, 1998):

• Deseja-se extrapolar os dados, ou seja, obter um dado fora daquele intervalo tabelado

• Quando os valores são experimentais, contendo erros que não são previsíveis.

Para estes casos recomenda-se o método dos mínimos quadrados (MMQ), o qual
permite a extrapolação dos dados tabelados com uma boa margem de segurança.
Foram desenvolvidos programas para o MMQ do caso contínuo e discreto, porém nos
exercícios apresentados posteriormente neste trabalho somente o caso discreto é abordado.
Para o programa de MMQ caso discreto desenvolvido para, são requisitadas as seguintes
entradas:

• Dados de x e f(x) tabelados;

• Funções auxiliares, que dependem da análise do problema pelo usuário;

• Ponto para o qual deseja-se calcular o polinômio.

As saídas serão a função de ajuste calculada e também o valor da função calculada para
um ponto específico, caso requisitado.

2.3.1 Caso Discreto

Dados os pontos tabelados (xk , f (xk )), onde k=1,2,...m, devem-se encontrar n
funções g(x), escolhidas de acordo com o a análise do problema, de forma que se obtenha
a função que representa o comportamento do conjunto de dados, dada por:

φ(x) = α1 g1 (x) + α2 g2 (x) + ... + αn gn (x) (2.19)

Ondeφ(x) se aproxime ao máximo da função f(x) que representa o conjunto de dados.

Assim, observa-se que para se encontrar φ(x) deve-se encontrar os valores de α através
dos pontos tabelados e funções g(x) pré-estabelecidas.
Capítulo 2. Metodologia 11

O sistema de equações para se obter os valores de α no caso discreto do MMQ é

dado por:
 "m # "m # m
 X X X



 g1 (xk )g1 (xk ) α1 + ... + gn (xk )g1 (xk ) αn = f (xk )g1 (xk )



 k=1 k=1 k=1

 "m "m m

 # #
 X X X
g1 (xk )g2 (xk ) α1 + ... + gn (xk )g2 (xk ) αn = f (xk )g2 (xk )





 k=1
 k=1 k=1
. (2.20)






 .





 "m "m
.
m

 # #

 X X X



 gn (xk )g1 (xk ) α1 + ... + gn (xk )gn (xk ) αn = f (xk )gn (xk )
k=1 k=1 k=1

Que é um sistema com n equações e n variáveis (os n valores de α que devem ser calculados).
Para a obtenção da função g(x), recomenda-se a observação do diagrama de
dispersão dos dados. Através deste diagrama, que nada mais é do que os pontos dispostos
em um gráfico, pode se ter uma noção do formato original da função que representa estes
pontos. Assim, como exemplo, caso a função se aproxime de uma parábola que passa
pela origem, g(x) pode ser x2 ; já caso o mapa de dispersão indique que os dados tem
comportamento exponencial, a função ex pode ser a g(x), e assim por diante.

2.3.2 Caso Contínuo

Sejam um intervalo [a,b] e funções g(x) obtidas através dos método já aapresentados
na seção de caso discreto de MMQ. Deseja-se novamente encontrar uma função que se
aproxima o máximo possível da função f(x), sendo essa função dada por:

φ(x) = α1 g1 (x) + α2 g2 (x) + ... + αn gn (x (2.21)

No caso contínuo é desenvolvido um sistema bem similar ao caso discreto, porém neste
calculam-se integrais e não fazem-se somatórias. O sistema de equações para o caso contínuo
do MMQ é dado por:
 "Z b # "Z
b
# Z b
g1 (x)g1 (x) α1 + ... + gn (x)g1 (x) αn = f (x)g1 (x)






 a a a



 "Z # "Z #


 b b Z b


 g1 (x)g2 (x) α1 + ... + gn (x)g2 (x) αn = f (x)g2 (x)
a a a



 . (2.22)





 .





 "Z # "Z
. #



 b b Z b


 gn (k)g1 (x) α1 + ... + gn (x)gn (x) αn = f (x)gn (x)
a a a
Capítulo 2. Metodologia 12

Observa-se então que, para funções g(x) dadas, pode-se calcular uma aproximação
para f(x) em um intervalo no MMQ caso contínuo através da solução do sistema acima
para os valores de α.
 13

3 Resultados e Discussão

Neste capítulo apresentam-se os exercícios numéricos propostos, os resultados

obtidos com a utilização dos programas desenvolvidos e também a discussão acerca dos
resultados obtidos.

3.1 Exercício 1
Descrição do exercício:
Considere a Tabela 1 que representa a deflexão em cm de uma prancha de saltos,
em um salto de um atleta olímpico, em vários instantes de tempo de preparação. Calcule os
valores de a e b de forma que a deflexão f(t) corresponda a um polinômio de grau menor
ou igual a 2. Em seguida, construa o polinômio interpolador.

Tabela 1 – Deflexão em função do tempo em uma prancha de saltos.

t 0 0,5 1,5 2 4
f(t) a 1,75 -1,25 -2 0 b
Fonte: Exercício exposto em aula.

Resolução e discussão:
Observando a Equação 2.10, nota-se que para que o polinômio interpolador na
forma de Newton seja necessariamente de grau 2, as diferenças divididas de ordem 3
devem ser nulas. Para que as diferenças divididas de ordem 3 sejam nulas, as diferenças
de ordem 2 devem ser iguais, assim os numeradores das diferenças de ordem serão nulos.
Para verificar os valores de a e b, constrói-se a tabela de diferenças divididas, apresentada
na Tabela 2.
Observa-se que, para que os numeradores das próximas diferenças divididas (de
ordem 3) sejam nulos, os valores que dependem de a e de b devem ser iguais aos valores
abaixo e acima deles respectivamente, ou seja, devem ser iguais a 1. Assim, tem-se que:
1,75−a
−3 − 0,5
=1 (3.1)
1, 5

b
−1 2
=1 (3.2)
4
Resolvendo as duas equações acima obtem-se valores de a=4 e b=10. Assim, para que
o polinômio na forma de Newton tenha grau 2, mesmo utilizando todos os pontos, é
Capítulo 3. Resultados e Discussão 14

Tabela 2 – Tabela de diferenças divididas para o exercício 1.

x Ordem 0 Ordem 1 Ordem 2

0 a
1, 75 − a
0, 5
1, 75 − a
−3 −
0, 5
0,5 1,75
1, 5
-3
1,5 -1,25 1
-1,5
2 -2 1
1
b
−1
4 0 2
4
b
2
6 b
Fonte: Elaboração própria.

necessário que os valores de a e b sejam iguais a 4 e 10 respectivamente. Constrói-se então

um polinômio de grau 2 considerando os valores de a e b calculados acima, utilizando neste
exercício a forma de Newton. Executa-se o programa, inseren-se os dados requisitados e as
seguintes linhas são exibidas:

Interpolação de dados através do Método de Newton

O usuário deverá entrar com os dados experimentais
O usuário deve inserir os valores de x e f(x) disponíveis
Digite os valores de x no formato [x1 x2...xn]: [0 0.5 1.5 2 4 6]
Digite os valores de f(x) no formato [f(x1) f(x2)...f(xn)]:
[4 1.75 -1.25 -2 0 10]
Polinômio obtido:
pn(x) =
x^2 - 5.0*x + 4.0
Deseja calcular o valor da função em um ponto específico
("s" para sim e "n" para não)? n
Fim do programa.

Nas linhas de execução do programa, observa-se que o polinômio obtido foi:

p2 (x) = x2 − 5x + 4 (3.3)
Capítulo 3. Resultados e Discussão 15

Executa-se agora, para fins de comparação, o programa do MMQ discreto para a resolução
deste problema. Consideram-se três funções auxiliares: g1 (x) = 1, g2 (x) = x e g1 (x) = x2 .
Ao executar o programa e inserir os dados de entrada requisitados, as seguintes linhas são
exibidas:

Ajuste de curvas através do MMQ discreto

O usuário deverá entrar com os dados de uma tabela
O usuário deve inserir os valores de x e f(x) disponíveis
Digite os valores de x no formato [x1 x2...xn]: [0 0.5 1.5 2 4 6]
Digite os valores de f(x) no formato [f(x1) f(x2)...f(xn)]: [4 1.75 -1.25 -2 0 10]
Digite o número de funções auxiliares g(x): 3
Digite a função g1: 1
Digite a função g2: x
Digite a função g3: x^2
fun(x) =
x^2 - 5.0*x + 4.0

Observa-se que a função ajustada pelo MMQ é a mesma que a Equação 3.3 obtida pelo
método de Newton. Conclui-se assim a resolução deste exercício.

3.2 Exercício 2
Descrição do exercício:
A tabela Tabela 3 apresenta a velocidade de queda de um paraquedista em função do
tempo. Estime o valor da velocidade no instante de tempo t=10s, utilizando um polinômio
interpolador de grau 3. Calcula uma aproximação do erro cometido.

Tabela 3 – Velocidade do paraquedista em função do tempo.

t(s) 1 3 5 7 20
v(cm/s) 800 2310 3090 3940 8000
Fonte: Exercício exposto em aula.

Resolução e discussão:
Como se trata de um polinômio interpolador de grau 3, são necessários 3 pontos
da tabela. Como deseja-se calcular o polinômio para t=10s, escolhem-se os pontos ao
redor desse valor. Portanto, são selecionados os pontos t de 3, 5, 7 e 20 segundos, com as
respectivas velocidades medidas em cada tempo. Soluciona-se o problema primeiramente
através da solução do sistema linear. Ao executar o programa e inserir os dados de entrada
requisitados, as seguintes linhas são exibidas:
Capítulo 3. Resultados e Discussão 16

Interpolação de dados através da resolução de um sistema linear

O usuário deverá entrar com os dados experimentais
O usuário deve inserir os valores de x e f(x) disponíveis
Digite os valores de x no formato [x1 x2...xn]: [3 5 7 20]
Digite os valores de f(x) no formato [f(x1) f(x2)...f(xn)]:
[2310 3090 3940 8000]
Polinômio obtido:
pn(x) =
- 0.956637*x^3 + 23.0995*x^2 + 252.079*x + 1371.7
Ponto para o qual deseja-se calcular a função: 10
Polinômio no ponto 10: 5245.8031674208132244530133903027

Utiliza-se também a forma de Lagrange para os cálculos. Ao executar o programa e inserir

os dados de entrada requisitados, as seguintes linhas são exibidas:

Interpolação de dados através forma de Lagrange

O usuário deverá entrar com os dados experimentais
O usuário deve inserir os valores de x e f(x) disponíveis
Digite os valores de x no formato [x1 x2...xn]: [3 5 7 20]
Digite os valores de f(x) no formato [f(x1) f(x2)...f(xn)]:
[2310 3090 3940 8000]
Polinômio obtido:
pn(x) =
- 0.956637*x^3 + 23.0995*x^2 + 252.079*x + 1371.7
Deseja calcular o valor da função em um ponto específico
("s" para sim e "n" para não)? s
Ponto para o qual deseja-se calcular o valor de pn(x): 10
Polinômio no ponto 10: 5245.8031674208132244530133903027
Fim do programa.

Observa-se que o polinômio obtido e o valor no ponto t=10s são iguais para os dois
métodos. O polinômio obtido foi o seguinte (arredondando alguns decimais):

p3 (x) − 0, 9566x3 + 23, 0995x2 + 252, 079x + 1371, 697 (3.4)

e o valor de p3 (10), que é aproximadamente igual a f (10), é igual a 5245,8032. O erro

pode ser estimado através da tabela de diferenças divididas. Foi também implementado
um programa que calcula a tabela de diferenças divididas e em seguida o erro estimado.
Para o cálculo estimado do erro são necessários n+1 pontos em relação àqueles que
foram utilizados para a construção do polinômio. Como é um polinômio de grau 3, foram
utilizados 4 pontos, portanto para o cálculo do erro são necessários 5 pontos, o que é
Capítulo 3. Resultados e Discussão 17

facilmente obtido para este problema na Tabela 3. Executando o programa e inserindo os

dados requisitados, as seguintes linhas são exibidas:

Tabela de diferenças divididas e erro estimado

Digite os n valores utilizados para encontrar o polinômio interpolador
[x1 x2...xn]: [3 5 7 20]
Digite os n+1 valores para o cálculo do erro no formato [x1 x2...xn]:
[1 3 5 7 20]
Digite os valores de f(x) no para os n+1 pontos no formato
[f(x1) f(x2)...f(xn)]: [800 2310 3090 3940 8000]
Digite o valor para o qual deseja-se estimar o erro: 10
Diferenças de ordem 0: 800.000000 2310.000000 3090.000000 3940.000000
8000.000000
Diferenças de ordem 1: 755.000000 390.000000 425.000000 312.307692
Diferenças de ordem 2: -91.250000 8.750000 -7.512821
Diferenças de ordem 3: 16.666667 -0.956637
Diferenças de ordem 4: -0.927542
erro =

973.9194
>>

Observa-se nas linhas de código que o erro estimado é de 973,92, o que é um valor bastante
grande. Observa-se também que além do cálculo do erro, o programa tem também como
saída toda a tabela de diferenças divididas.

3.3 Exercício 3
Descrição do exercício:
O consumo de gás natural sofre uma redução significativa durante os meses do
verão. Na Tabela 4estão registrados alguns valores recolhidos durante o ano de 2006. Uma
companhia de gás sugeriu um modelo do tipo
1
M (x, c2 , c2 ) = c1 x2 + c2 (3.5)
x

para estimar o consumo de gás em qualquer altura do ano. No sentido dos mínimos
quadrados e considerando a amostra de seis pontos, comece por apresentar o sistema de
equações lineares que deve construir para calcular os parâmetros c1 e c2 , em função de A.
Considerando A=15, apresentar o modelo sugerido.
Resolução e discussão:
Capítulo 3. Resultados e Discussão 18

Tabela 4 – Consumo de gás durante os meses.

Mês 1 3 4 6 9 12
Consumo 20 7,5 6,5 7 10 A
Fonte: Exercício exposto em aula.

A primeira parte do exercício pede para que os coeficientes c1 e c2 da Equa-

ção 3.5sejam deixados em função de A. Para isso, primeiramente as funções auxiliares
devem ser escolhidas, após isso os valores que são apresentados pelo exercício devem ser
substituidos no sistema de equações Equação 2.20, que representa o sistema de equações
1
do caso discreto do MMQ. As funções auxiliares escolhidas serão duas: x2 e . Se nota
x
claramente através da Equação 3.5 que estas são as melhores opções para as funções
1
auxiliares. Portanto, tem-se que g1 (x) = x2 e g2 (x) = , assim o sistema será de duas
x
equações. Substituindo as funções e obtendo o seguinte sistema é obtido:

6 6 6
! !
1
x2k x2k x2k f (xk )x2k
 X X X
c1 + c2 =





 k=1 k=1 xk k=1
(3.6)
6 6 6
! !
1 1 1 1


x2k
 X X X


 c1 + c2 = f (xk )

k=1 xk k=1 xk xk k=1 xk

Substituindo os valores de xk e f (xk ) no Equação 3.6 e fazendo as devidas somatórias, o

seguinte sistema é obtido:


 28931c1 + 35c2 = 144A + 1253, 5
T (3.7)
 35c1 + 1, 2207c2 =
 + 26, 4
12
Conclui-se assim a primeira parte do problema, apresentando o Equação 3.7 que apresenta
os coeficientes c1 e c2 em função de A. Na segunda parte do problema um valor de A
igual a 15 é indicado, deseja-se obter o modelo através do MMQ que representa o perfil de
consumo do gás natural, o qual será obtido através do programa desenvolvido. Como dados
de entrada tem-se os dados tabelados e as funções auxiliares. Ao executar o programa e
inserir os dados de entrada solicitados, as seguintes linhas são exibidas:

Ajuste de curvas através do MMQ discreto

O usuário deverá entrar com os dados de uma tabela
O usuário deve inserir os valores de x e f(x) disponíveis
Digite os valores de x no formato [x1 x2...xn]:
[1 3 4 6 9 10]
Digite os valores de f(x) no formato [f(x1) f(x2)...f(xn)]:
[20 7.5 6.5 7 10 15]
Digite o número de funções auxiliares g(x): 2
Capítulo 3. Resultados e Discussão 19

Digite a função g1: x^2

Digite a função g2: 1/x
fun =
19.683/x + 0.11563*x^2

Observa-se que a equação obtida através do programa foi:

19, 683
M (x) = 0, 011563x2 + (3.8)
x
Portanto, a Equação 3.8 é o modelo obtido através do MMQ para o perfil de consumo de
gás natural nos meses de verão.

3.4 Exercício 4
Descrição do exercício:
O preço de um veículo usado é função de diversos fatores, entre os quais figuram-se
os seguintes: o modelo de veículo em causa, o modelo de veículo novo, a idade do veículo
usado, o seu estado de conservação e a relação procura/oferta no mercado de veículos em
segunda mão. Considerando apenas o caso dos veículos devidamente conservados e supondo
que o fator procura/oferta do mercado em segunda mão não variou significativamente,
o preço de um veículo usado de determinado modelo pode ser explicado através de uma
relação do tipo
PV U
f (I) = (3.9)
PV N
Em que PVU é o preço do veículo usado, PVN é o preço do veículo novo e I é a idade do
veículo usado. Na Tabela 5 apresentam-se valores de f e I para veículos de um determinado
modelo, que se supõem obtidos nas condições acimas mencionadas. Determine o modelo do
tipo
M (I, c1 , c2 ) = c1 + c2 e−0,1I (3.10)
que melhor se ajusta a função f(I) no sentido dos mínimos quadrados. Nestes cálculos
utilize apenas a informação relativa aos três pontos da tabela que correspondam a I=1,3,6.
Resolução e discussão:

Tabela 5 – Valor de um carro em função dos anos

I(anos) 1 2 3 4 5 6
f(I) 0,843 0,753 0,580 0,520 0,452 0,414
Fonte: Exercício exposto em aula.

O primeiro passo neste problema é encontrar as funções auxiliares para o MMQ.

Observando a Equação 3.10, nota-se claramente que duas funções auxiliares são necessárias,
Capítulo 3. Resultados e Discussão 20

e elas são g1 (I) = 1 e g2 (I) = e−0,1I . O sistema de equações obtém o seguinte formato
(considerando que somente 3 dos dados serão utilizados):

3 3 3
! !
−0,1I
 X X X
1.1 c1 + 1.e c2 = f (xk ).1





 k=1 k=1 k=1
(3.11)
3 3 3
 ! !

1.e−0,1I c1 + e−0,1I e−0,1I c2 = f (xk )e−0,1I

 X X X



k=1 k=1 k=1

O problema será resolvido para I=1,3 e 6 e seus respectivos valores de f(I) no programa
desenvolvido para o MMQ discreto. Executando o programa e inserindo os valores de
entrada, as seguintes linhas são exibidas:

Ajuste de curvas através do MMQ discreto

O usuário deverá entrar com os dados de uma tabela
O usuário deve inserir os valores de x e f(x) disponíveis
Digite os valores de x no formato [x1 x2...xn]: [1 3 6]
Digite os valores de f(x) no formato [f(x1) f(x2)...f(xn)]: [0.843 0.58 0.414]
Digite o número de funções auxiliares g(x): 2
Digite a função g1: 1
Digite a função g2: exp(-0.1*x)
fun =
1.1954*exp(-0.1*x) - 0.26206

Observa-se que a equação obtida através do programa foi:

M (I) = 1, 1954E −0,1I − 0, 26206 (3.12)

Então, a Equação 3.12 é a representação de f (I) obtida através do MMQ discreto.

 21

4 Conclusão

Neste trabalho foram abordados os métodos numéricos de interpolação linear e

ajuste de curvas. Foram apresentados os principais aspectos teóricos a respeito de cada
método e foram apresentadas resoluções de exercícios exemplificando a aplicação de dife-
rentes métodos.Para a resolução dos exercícios foram utilizados os códigos implementados
no MatLab.
Verificou-se a grande importância dos métodos estudados, pois somente nos exercí-
cios abordados pode-se notar a grande abrangência destes métodos numéricos. Pois, como
pôde-se notar, foram solucionados problemas que envolviam economia (exercícios 3 e 4),
física e engenharia (exercícios 1 e 2). Isto já mostra a dimensão das diversas possibilidades
que tais métodos podem oferecer.
Os quatro problemas propostos foram solucionados através de análise e utilização
dos programas implementados. Assim, foram obtidos os polinômios que modelam os
sistemas apresentados nos problemas, além das informações adicionais requisitadas.
 22

Referências

CHAPRA, E. C.; CANALE, R. P. Métodos Numéricos para Engenharia. 5. ed. São Paulo:
McGrawHill, 2011. Citado 2 vezes nas páginas 5 e 8.

RUGGIERO, M. A. G.; LOPES, V. L. da R. Cálculo Numérico: Aspectos teóricos e

computacionais. 2. ed. São Paulo: Makron Books, 1998. Citado 3 vezes nas páginas 8, 9
e 10.