Interpolacao Polinomial

I
nterpolação Polinomial
1 Motivação
Um censo da população norte-americana é realizado a cada dez anos. A Tabela a seguir fornece a
população, em milhares de pessoas entre 1940 e 1990.
Ano 1940 1950 1960 1970 1980 1990
População 132.165 151.326 179.323 203.302 226.542 249.633
(em milhares)
Revendo esses dados, poderiíamos perguntar se eles podem ser utilizados para fornecer uma
estimativa razoável da população, digamos, em 1965 ou até mesmo no ano de 2010. Previsões desse tipo
podem ser obtidas utilizando-se uma função que ajuste os dados fornecidos. Esse processo é chamado
Cálculo Numérico
Unidade 5
98 Interpolação Polinomial
interpolação e é objeto de estudo desta unidade. Esse problema populacional será considerado nos
Exercícios.
Uma das classes mais conhecidas e utéis de funções que levam o conjunto dos números reais em si
mesmo é a classe dos polinômios algébricos, ou seja, o conjunto de funções da forma
𝑛
𝑛 𝑛−1
𝑃𝑛 (𝑥) = 𝑎𝑛 𝑥 + 𝑎𝑛−1 𝑥 + ⋯ + 𝑎1 𝑥 + 𝑎0 = ∑ 𝑎𝑘 𝑥 𝑘
𝑘=0
onde n é um inteiro não negativo e 𝑎0 , … , 𝑎𝑛 são constantes reais. Uma razão para sua importância é que
aproximam as funções contínuas uniformemente. Dado qualquer função definida e contínua em um
intervalo fechado e limitado, existe um polinômio que está tão próximo da função dada quanto quisermos.
Este resultado é expresso de forma precisa no seguinte (veja a Figura 1).
F IGURA 1
Teorema da Aproximação de Weierstrass: Suponha que 𝑓 seja definida e contínua em [a, b]. Para
cada 𝜀 > 0, existirá um polinômio 𝑃(𝑥), com a propriedade que
|𝑓(𝑥) − 𝑃(𝑥)| < 𝜀 para todo 𝑥 em [𝑎, 𝑏].
A demonstração desse teorema de Weierstrass 27 pode ser encontrada na maioria dos textos
elementares sobre Análise Real. Outra razão importante para considerar a classe de polinômios na
aproximação de funções é que a derivada e a integral indefinida de um polinômio são fáceis de determinar
27Karl Weierstrass (1815-1897) é muitas vezes chamado de pai da análise moderna devido à sua insistência de rigor na
demonstração de resultados matemáticos. Ele foi importante no desenvolvimento de testes para convergência de séries
e na determinação de maneiras para definir rigorosamente números irracionais. Ele foi o primeiro a demonstrar que uma
função poderia ser contínua em qualquer ponto, sem ser diferençável em nenhum ponto, um resultado que chocou
alguns de seus colegas contemporâneos. Muito pouco do trabalho de Weierstrass foi publicado durante sua vida, mas
suas palestras, especialmente sobre a teoria das funções, tiveram influência significativa sobre uma geração inteira de
estudantes.
“A Matemática é a música que conta. A música é a Matemática que canta”.

(Joelmir Beting)
Prof.ª. Ma. Lindalva Ribeiro Barros 99
e também são polinômios. Por esses motivos, os polinômios são frequentemente utilizados para aproximar
funções contínuas.
No entanto, da mesma forma que o teorema de Weierstrass garante uma representação de f por um
polinômio P tão “próximo” quanto queiramos, ele nada diz sobre o grau de P. Em algumas situações, o
problema de encontrar P que desempenhe esse papel pode ser extraordinariamente difícil do ponto de vista
numérico.
Antes de discutirmos o procedimento de interpolação por polinômios, vale a pena mencionar um
algoritmo útil no cálculo do valor de p em um ponto x. Trata-se do algoritmo de Horner28.
Algoritmo de Horner: Seja

𝑃(𝑥) = 𝑎𝑛 𝑥 𝑛 + 𝑎𝑛−1 𝑥 𝑛−1 + ⋯ + 𝑎1 𝑥 + 𝑎0 .
Se 𝑏𝑛 = 𝑎𝑛 e
𝑏𝑘 = 𝑎𝑘 + 𝑏𝑘+1 𝑥0 , para 𝑘 = 𝑛 − 1, 𝑛 − 2, … , 1, 0.
então, 𝑏0 = 𝑃(𝑥0 ). Além disso, se
𝑄(𝑥) = 𝑏𝑛 𝑥 𝑛−1 + 𝑏𝑛−1 𝑥 𝑛−2 + ⋯ + 𝑏2 𝑥 + 𝑏1 ,
então,
𝑃(𝑥) = (𝑥 − 𝑥0 )𝑄(𝑥) + 𝑏0 .
EXEMPLO 1: Utilize o método de Horner para calcular 𝑃(𝑥) = 2𝑥 4 − 3𝑥 2 + 3𝑥 − 4 em 𝑥0 = −2.

SOLUÇÃO:
Quando usamos cálculos à mão no algoritmo de Horner, primeiramente montamos uma tabela que sugere
o nome divisão sintética29, muitas vezes aplicado à técnica. Neste problema, a tabela é como a seguir:
.
Coeficiente de Coeficiente de Coeficiente de Coeficiente de Termo

𝑥4 𝑥3 𝑥2 𝑥 constante
𝑥0 = −2 𝑎4 = 2 𝑎3 = 0 𝑎2 = −3 𝑎1 = 3 𝑎0 = −4
𝑏4 𝑥0 = −4 𝑏3 𝑥0 = 8 𝑏2 𝑥0 = −10 𝑏1 𝑥0 = 14
𝑏4 = 2 𝑏3 = −4 𝑏2 = 5 𝑏1 = −7 𝑏0 = 10
28 Batizado com o nome do matemático inglês William George Horner (1786-1837) mas já conhecido por Isaac Newton
em 1669 e mesmo pelo matemático chinês Qin Jiunshao no séc. XIII. Horner foi um garoto prodígio que, aos 18 anos,
tornou-se diretor de uma escola em Bristol. O método de Horner para resolver equações algébricas foi publicado em
1819, no Philosophical Transactions da Royal Society. Paolo Ruffini descreveu um método similar, pelo qual foi
condecorado com a medalha de ouro da Sociedade Matemática Italiana para a Ciência. Nem Ruffini nem Horner foram
os primeiros a descobrir esse método que já era conhecido na China havia, pelo menos, 500 anos.
29 O termo “sintético” tem origem em vários idiomas. O termo correspondente em inglês tem o sentido geral de algo que
é “falso” ou “substituído”. Entretanto, na matemática, o sentido é de algo que está “agrupado”. A geometria sintética
trata das formas como um todo em vez se objetos individuais, como na abordagem da geometria analítica. Na divisão
sintética de polinômios, as várias potências das variáveis não são dadas de forma explícita, permanecendo agrupadas.

(Joelmir Beting)
O valor de 𝑏0 corresponde à imagem do polinômio no ponto 𝑥0 , isto é, 𝑃(𝑥0 ) = 𝑏0 . Assim,

𝑃(𝑥) = (𝑥 + 2)(2𝑥 3 − 4𝑥 2 + 5𝑥 − 7) + 10 ⟹ 𝑃(−2) = 10

2 Fundamentos
Muitas observações científicas e de engenharia são feitas em experimentos nos quais grandezas
físicas são medidas e gravadas. Tais registros são normalmente chamados de dados ou pontos experimentais.
Dados experimentais geralmente estão disponíveis na forma de uma série de valores discretos amostrados
no domínio de um contínuo. Por exemplo, a dureza de muitos metais depende do tamanho dos grãos que o
compõem. O teste de espécimes com diferentes tamanhos de grãos resulta em um conjunto discreto de
números (d – diâmetro médio do grão, σy – tensão limite de escoamento), conforme mostrado na Tabela 1
abaixo.
TABELA 1: Dados da dureza dos grãos em função de sua dimensão.
São duas as situações mais importantes na prática das engenharias e das ciências em que pode ser
necessário representar esses dados por curvas. A primeira, mais óbvia, é facilitar a visualização de como
esses dados variam no contínuo. A outra é dar a estimativa de valores entre os disponíveis na série
(interpolação) ou a projeção de valores para fora do domínio considerado (extrapolação). Outra aplicação
também frequente é a validação ou calibração de modelos matemáticos, isto é, a comparação entre os
valores preditos por um modelo e os medidos experimentalmente.
A interpolação é um procedimento no qual uma
fórmula matemática é usada para fornecer o valor exato
dos pontos pertencentes a um conjunto de dados e um
valor estimado entre esses pontos. Ela é feita
primeiramente com a determinação de um polinômio
que forneça o valor exato nos pontos conhecidos, e
então com o uso desse polinômio para calcular valores
entre esses pontos. Quando um pequeno número de
pontos está envolvido, um único polinômio pode ser
suficiente para realizar a interpolação ao longo de todo
F IGURA 2: Interpolação.
o domínio de dados. Muitas vezes, no entanto, quando

(Joelmir Beting)
se tem um grande número de pontos, diferentes polinômios são usados nos intervalos entre os pontos. Esse
processo é chamado de interpolação por partes, ou spline. Por exemplo, a Figura 2 mostra um gráfico da
relação tensão- deformação da borracha. As marcas mostram pontos experimentais medidos de forma muito
precisa, e a curva em linha contínua foi obtida com o uso da interpolação por partes. Pode-se observar que
a curva passa precisamente pelos pontos e fornece uma boa estimativa dos valores entre eles.
Em uma interpolação, o que se deseja é obter uma curva que passe exatamente por todos os n pontos
de uma série de dados. É possível demonstrar que um polinômio de grau n – 1 interpola exatamente uma
série de n dados, e é único, na forma:
𝑓(𝑥) = 𝑎0 + 𝑎1 𝑥 + ⋯ + 𝑎𝑛−1 𝑥 𝑛−1 + 𝑎𝑛 𝑥 𝑛 (1)
Uma reta interpola exatamente dois pontos; somente uma parábola conecta um conjunto de três
pontos. Para determinação dos coeficientes do polinômio procurado, escrevem-se tantas equações lineares
quanto o número de pontos.
Isso é ilustrado na Figura 3, que mostra polinômios de primeira, segunda, terceira e quarta ordem
conectando, respectivamente, dois, três, quatro e cinco pontos.
F IGURA 3: Polinômios de várias ordens.

(Joelmir Beting)
Uma vez determinado o polinômio, ele pode ser usado para estimar os valores de y entre os pontos
conhecidos, o que é feito simplesmente com a substituição da coordenada x desejada no polinômio. A
interpolação usando um único polinômio fornece bons resultados apenas para um pequeno número de
pontos. Para um grande número de pontos, a ordem do polinômio deve ser elevada e, embora esse polinômio
passe por todos os pontos, ele pode apresentar um desvio significativo fora deles. Isso é mostrado mais
adiante na Figura 4, onde um polinômio de 14ª ordem é usado para interpolar um conjunto de dados formado
por 15 pontos. Consequentemente, a interpolação com apenas um polinômio pode não ser apropriada para
um número elevado de pontos. Neste caso específico, melhores resultados podem ser obtidos com o uso da
interpolação por partes (spline) (tratada na Seção 4), na qual diferentes polinômios de ordem inferior são
usados na interpolação de diferentes pontos pertencentes a um mesmo conjunto de dados.
Os coeficientes na forma da Equação (1) são determinados com a solução de um sistema de n + 1
equações lineares:
𝑛
{∑ 𝑎𝑘 𝑥𝑖𝑘 = 𝑓(𝑥𝑖 ) , onde 𝑖 = 1,2, … , 𝑛.

𝑘=0
As equações são obtidas escrevendo-se o polinômio explicitamente em cada ponto (substituindo

cada ponto no polinômio). A solução desse sistema de equações fornece os valores dos coeficientes.
Como exemplo, determinam-se, a seguir, os três coeficientes da parábola que passa pelos pontos:
𝑥1 = 300 𝑓(𝑥1 ) = 0,616
𝑥2 = 400 𝑓(𝑥2 ) = 0,525
𝑥3 = 500 𝑓(𝑥3 ) = 0,457
Substituídos na Equação (1), resultam no seguinte sistema:
𝑎0 + 𝑎1 ∙ 𝑥1 + 𝑎2 ∙ 𝑥12 = 𝑓(𝑥1 ) 𝑎0 + 300𝑎1 + 3002 𝑎2 = 0,616
{𝑎0 + 𝑎1 ∙ 𝑥2 + 𝑎2 ∙ 𝑥22 = 𝑓(𝑥2 ) ⟹ {𝑎0 + 400𝑎1 + 4002 𝑎2 = 0,525
𝑎0 + 𝑎1 ∙ 𝑥3 + 𝑎2 ∙ 𝑥32 = 𝑓(𝑥3 ) 𝑎0 + 500𝑎2 + 5002 𝑎2 = 0,457
Logo, nesse caso, os x’s são conhecidos e os a’s são as incógnitas. Daí segue,
1 300 3002 𝑎0 0,616
[1 400 4002 ] [𝑎1 ] = [0,525]
1 500 5002 𝑎2 0,457
do que se tem:
𝑎0 1,027
[𝑎1 ] = [ −0,001715 ]
𝑎2 0,00000115
Assim, 𝑓(𝑥) = 1,027 − 0,001715𝑥 + 0,00000115𝑥 2 é o polinômio que passa pelos pontos
dados.

(Joelmir Beting)
Esse procedimento, bastante simples, leva, no entanto, a sistemas de equações lineares muito mal
condicionadas, isto é, sensíveis a erros de arredondamento nos cálculos, especialmente quando polinômios
de ordem mais elevada estão envolvidos. Claro que, se forem utilizados números com grande precisão no
computador (precisão dupla), esse problema normalmente é resolvido. Uma alternativa é o uso de
procedimentos mais elaborados, como as interpolações polinomiais de Lagrange30 ou de Newton31.
A fim de melhor compreender as aplicações deste procedimento, apresentaremos, a seguir, a
interpolação linear e a quadrática, cuja aplicabilidade guarda relação com as funções polinomiais mais
estudadas no ensino médio, e que nos permite, posteriormente generalizar o raciocínio para um número
qualquer de pontos.
2.1 Interpolação Linear

É o método de interpolação que se utiliza de uma função linear P(x) (um polinômio de primeiro
grau) para representar, por aproximação, uma suposta função f(x) que originalmente representaria as
imagens de um intervalo descontínuo (ou degenerado) contido no domínio de f(x). O principal problema é
que se os pontos forem poucos ou muito afastados entre si, a representação gráfica para uma determinada
função não seria muito bem representada por tal método. Neste caso, costuma-se utilizar polinômios de
graus mais elevados ou aplicar outros métodos.
EXEMPLO 2: Seja a função y = f(x) definida pelos pontos (0,00; 1,35) e (1,00; 2,94). Determinar o
polinômio interpolador e aproximadamente o valor de f(0,73).
SOLUÇÃO:
Como são dados dois pontos temos então que o polinômio interpolador é de 1ª ordem. Daí segue:
𝑥1 = 0,00 𝑓(𝑥1 ) = 1,35
𝑥2 = 1,00 𝑓(𝑥2 ) = 2,94
Substituídos na Equação (1), resultam em:
1 0,00 𝑎0 1,35
[ ] [𝑎 ] = [ ]
1 1,00 1 2,94
do que se tem:
𝑎0 1,35
[𝑎 ] = [ ] ⟹ 𝑓(𝑥) = 1,35 + 1,59𝑥
1 1,59
30 A fórmula de interpolação que recebeu o nome de Joseph-Louis Lagrange (1736-1813) provavelmente era conhecida
por Isaac Newton por volta de 1675, mas parece ter sido publicada pela primeira vez por Edward Waring (1736-1798).
Lagrange escreveu extensivamente sobre o assunto da interpolação e seu trabalho influenciou significativamente os
matemáticos posteriores. Ele publicou esse resultado em 1795.
31 Assim como em muitas áreas, Isaac Newton foi um pioneiro no estudo das equações diferenciais. Ele desenvolveu
fórmulas de interpolação já em 1675, usando sua notação  em tabelas de diferenças, de modo que os exemplos que
ele produziu explicitamente, incluindo as fórmulas de Lagrange, são frequentemente conhecidos por outros nomes.

(Joelmir Beting)
Assim,
𝑓(0,73) = 1,35 + 1,59 ∙ 0,73 = 2,5107 ≈ 2,51

EXEMPLO 3: A tabela abaixo relaciona calor específico da água e temperatura. Calcular o calor específico
aproximado da água a 32,5° C, usando os valores da tabela e um polinômio de grau 1.
SOLUÇÃO:
Neste caso temos que escolher os pontos adequados:
𝑥2 = 30 𝑓(𝑥2 ) = 0,99826
𝑥3 = 35 𝑓(𝑥2 ) = 0,99818
1 30 𝑎0 0,99826
[ ][ ] = [ ]
1 35 𝑎1 0,99818
do que se tem:
𝑎0 0,99874
[𝑎 ] = [ ] ⟹ 𝑓(𝑥) = 0,99874 − 0,000016𝑥
1 −0,000016
Assim, o calor específico aproximado da água a 32,5° C é:
𝑓(32,5) = 0,99874 − 0,000016 ∙ 32,5 = 0,99822

2.2 Interpolação Quadrática
É o método de interpolação que se utiliza de uma função quadrática P(x) (um polinômio de segundo
grau ou polinômio quadrático) para representar, por aproximação, uma suposta função f(x) que
originalmente representaria as imagens de um intervalo descontínuo (ou degenerado) contido no domínio
de f(x).
EXEMPLO 4: Utilizando os valores da função seno, dados

pela tabela abaixo, determinar a função quadrática que se
2 sin2 𝑥
aproxima de 𝑓(𝑥) = 𝑥+1
, trabalhando com três casas
decimais.
SOLUÇÃO:
Usando os três pontos dados:

(Joelmir Beting)
𝑥1 = 0 𝑓(𝑥1 ) = 0,000
𝜋
𝑥2 = 𝑓(𝑥2 ) = 0,328
6
𝜋
𝑥3 = 𝑓(𝑥2 ) = 0,560
4
1 0 02
𝜋 𝜋 2 𝑎0 0,000
1 ( ) 𝑎
6 6 [ 1 ] = [0,328]
𝜋 𝜋 2 𝑎2 0,560
[1 4
( ) ]
4
do que se tem:
𝑎0 0
𝑎
[ 1 ] = [0,453] ⟹ 𝑓(𝑥) = 0,453𝑥 + 0,331𝑥 2
𝑎2 0,331

EXEMPLO 5: Usando três pontos da Tabela 1, determinar o calor específico aproximado da água a 31°
C.
SOLUÇÃO:
Neste caso temos que escolher os pontos adequados:
𝑥1 = 25 𝑓(𝑥1 ) = 0,99852
𝑥2 = 30 𝑓(𝑥2 ) = 0,99826
𝑥3 = 35 𝑓(𝑥2 ) = 0,99818
1 25 252 𝑎0 0,99852
[1 30 302 ] [𝑎1 ] = [0,99826]
1 35 352 𝑎2 0,99818
do que se tem:
𝑎0 1,00252
[𝑎1 ] = [ −0,00025 ] ⟹ 𝑓(𝑥) = 1,00252 − 0,00025𝑥 + 0,0000036𝑥 2
𝑎2 0,0000036
Assim, o calor específico aproximado da água a 31° C é:
𝑓(31) = 1,00252 − 0,00025 ∙ 31 + 0,0000036 ∙ 312 = 0,9982296 ≈ 0,99823


(Joelmir Beting)
EXEMPLO 6: Foi medida a variação da tensão V com o tempo t num determinado circuito, conforme
ilustra a Tabela. Usando um polinômio interpolador calcule o valor aproximado de t para o qual a tensão V
se anula.
t 1 3 4
V −1 3 8
SOLUÇÃO:
𝑡1 = 1 𝑉(𝑡1 ) = −1
𝑡2 = 3 𝑉(𝑡2 ) = 3
𝑡3 = 4 𝑉(𝑡3 ) = 8
1 1 12 𝑎0 −1
[1 2 ] [𝑎1 ] = [ 3 ]
3 3
1 4 42 𝑎2 8
do que se tem:
𝑎0 0
[𝑎1 ] = [−2]
𝑎2 1
O valor aproximado de t para o qual a tensão se anula é −2𝑡 + 𝑡 2 = 0, logo, 𝑡 ∙ (𝑡 − 2) = 0 e, assim, t = 0
ou t = 2.

4 Polinômios Interpoladores de Lagrange

Em um sistema linear, quanto maior o número de equações e variáveis, mais trabalhosa se torna
sua resolução. Para fazer face à crescente complexidade destas operações, surgem métodos alternativos de
obtenção dos coeficientes do polinômio interpolador nos quais o número e o grau de dificuldade das
operações envolvidas o tornam mais eficiente.
Um dos métodos consagrados para obtenção da função de ajuste é o Polinômio Interpolador na
forma de Lagrange. A vantagem na utilização deste método aumenta na razão do número de pontos a
serem interpolados. Isso ocorre em razão do número de operações fundamentais envolvidas ser bem menor
do que as necessárias à resolução de um sistema linear de equações e, no caso da interpolação linear, pela
analogia com a equação da reta estudada em geometria analítica.
𝑛
Dado um conjunto de pontos {𝑥𝑗 }𝑗=1 distintos dois a dois, definimos os polinômios de Lagrange
como os polinômios de grau n − 1 na forma

𝑃𝑛 (𝑥) = 𝑦0 𝐿0 (𝑥) + 𝑦1 𝐿1 (𝑥) + ⋯ + 𝑦𝑛 𝐿𝑛 (𝑥) (2)
onde a funções 𝐿𝑘 (𝑥) são chamadas de funções de Lagrange e são definidas como segue

(Joelmir Beting)
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) … (𝑥 − 𝑥𝑛 )
𝐿𝑘 (𝑥) = (3)
(𝑥𝑘 − 𝑥1 )(𝑥𝑘 − 𝑥2 ) … (𝑥𝑘 − 𝑥𝑛 )
A Eq. (2) pode ser escrita de forma compacta usando a notação de soma e produto como:
𝑛 𝑛 𝑛
(𝑥 − 𝑥𝑗 )
𝑃𝑛 (𝑥) = ∑ 𝑦𝑖 𝐿𝑖 (𝑥) = ∑ 𝑦𝑖 ∏ (4)
(𝑥𝑖 − 𝑥𝑗 )
𝑖=0 𝑖=0 𝑗=0
𝑗≠𝑖
EXEMPLO 7: Um objeto realiza movimento retilíneo uniforme e as suas posições nos instantes 𝑡 = 1𝑠 e 𝑡
= 4𝑠 são dadas pela tabela abaixo.
t (em s) 1 4
s (em m) 6 18
Descreva a posição do objeto no movimento estudado utilizando um polinômio interpolador de Lagrange.
SOLUÇÂO:
Ao substituir os valores tabulados nas expressões acima definidas, são gerados os polinômios de Lagrange:
(𝑡 − 𝑡1 ) 𝑡−4 𝑡−4
𝐿0 (𝑡) = = =
(𝑡0 − 𝑡1 ) 1 − 4 −3
e
(𝑡 − 𝑡0 ) 𝑡−1 𝑡−1
𝐿1 (𝑡) = = =
(𝑡1 − 𝑡0 ) 4 − 1 3
Substituindo-os no polinômio interpolador
𝑃1 (𝑡) = 𝑠0 𝐿0 (𝑡) + 𝑠1 𝐿1 (𝑡)
chega-se a
𝑡−4 𝑡−1
𝑃1 (𝑡) = 6 ∙ + 18 ∙
−3 3
que equivale a
𝑃1 (𝑡) = 4𝑡 + 2

EXEMPLO 8: No estudo do clima de determinada região, o centro de meteorologia registrou a temperatura
durante o transcorrer de um dia, com dados coletados a cada três horas, os quais estão apresentados na
tabela dada abaixo. Utilize um polinômio interpolador de Lagrange de grau 1 para estimar a temperatura às
oito horas da manhã.
HORA DO DIA TEMPERATURA (°C)
0 12
3 10
6 12
9 15

(Joelmir Beting)
12 20
15 18
18 15
21 14
SOLUÇÂO:
Como o objetivo é de estimar a temperatura às oito horas da manhã, então pode-se aplicar a interpolação
aos dados mais próximos da hora indicada, que são os pontos (6, 12) e (9, 15). Inserindo esses dados nos
polinômios de Lagrange
(𝑥 − 𝑥1 ) 𝑥 − 9 8−9 1
𝐿0 (𝑥) = = ⟹ 𝐿0 (8) = =
(𝑥0 − 𝑥1 ) 6 − 9 −3 3
(𝑥 − 𝑥0 ) 𝑥 − 6 8−6 2
𝐿1 (𝑥) = = ⟹ 𝐿1 (8) = =
(𝑥1 − 𝑥0 ) 9 − 6 3 3
e substituindo estes polinômios na expressão que fornece o polinômio interpolador
𝑃1 (𝑥) = 𝑦0 𝐿0 (𝑥) + 𝑦1 𝐿1 (𝑥)
chega-se a
1 2
𝑃1 (8) = 12 ∙ + 15 ∙ = 4 + 10 = 14 °𝐶
3 3

EXEMPLO 9: Obter o polinômio de Lagrange que interpole uma função f conhecida nos pontos f(−3) = 4,
f (1) = −2 e f (7) = 4.
SOLUÇÂO:
Ao substituir os dados chega-se aos polinômios de Lagrange:
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (𝑥 − 1)(𝑥 − 7) (𝑥 − 1)(𝑥 − 7)
𝐿0 (𝑥) = = =
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (−3 − 1)(−3 − 7) 40
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) (𝑥 + 3)(𝑥 − 7) (𝑥 + 3)(𝑥 − 7)
𝐿1 (𝑥) = = =
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (1 + 3)(1 − 7) −24
e
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) (𝑥 + 3)(𝑥 − 1) (𝑥 + 3)(𝑥 − 1)
𝐿2 (𝑥) = = =
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (7 + 3)(7 − 1) 60
que, introduzidos no polinômio interpolador geram:
𝑃2 (𝑥) = 𝑦0 𝐿0 (𝑥) + 𝑦1 𝐿1 (𝑥) + 𝑦2 𝐿2 (𝑥)
(𝑥 − 1)(𝑥 − 7) (𝑥 + 3)(𝑥 − 7) (𝑥 + 3)(𝑥 − 1)
𝑃2 (𝑥) = 4 ∙ + (−2) ∙ +4∙
40 −24 60
que equivale a
(𝑥 − 1)(𝑥 − 7) (𝑥 + 3)(𝑥 − 7) (𝑥 + 3)(𝑥 − 1)
𝑃2 (𝑥) = + +
10 12 15

(Joelmir Beting)

EXEMPLO 10: No estudo do clima de determinada região, o centro de meteorologia registrou a
temperatura durante o transcorrer de um dia, com dados coletados a cada três horas, os quais estão
apresentados na tabela dada abaixo. Utilize um polinômio interpolador de Lagrange de grau 2 para estimar
a temperatura às oito horas da manhã.
HORA DO DIA TEMPERATURA (°C)
0 12
3 10
6 12
9 15
12 20
15 18
18 15
21 14
SOLUÇÂO:
Sendo o objetivo estimar a temperatura às oito horas, a interpolação se dará com os três pontos
correspondentes aos dados mais próximos da hora desejada (6, 12), (9, 15) e (12, 20).
Polinômios de Lagrange:
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (8 − 9)(8 − 12) 4 2
𝐿0 (𝑥) = ⟹ 𝐿0 (8) = = =
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (6 − 9)(6 − 12) 18 9
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) (8 − 6)(8 − 12) −8 8
𝐿1 (𝑥) = ⟹ 𝐿1 (8) = = =
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (9 − 6)(9 − 12) −9 9
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) (8 − 6)(8 − 9) −2 1
𝐿2 (𝑥) = ⟹ 𝐿2 (8) = = =−
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) (12 − 6)(12 − 9) 18 9
e substituindo estes polinômios na expressão que fornece o polinômio interpolador na forma de Lagrange:
𝑃2 (𝑥) = 𝑦0 𝐿0 (𝑥) + 𝑦1 𝐿1 (𝑥) + 𝑦2 𝐿2 (𝑥)
chega-se a
2 8 1 24 + 120 − 20
𝑃2 (8) = 12 ∙ + 15 ∙ + 20 ∙ (− ) = ≅ 13,8 °𝐶
9 9 9 9
Caso utilizássemos como dados mais próximos da hora desejada os pontos (3, 10), (6, 12) e (9, 15), a
temperatura desejada seria aproximadamente 13,9°C.

EXEMPLO 11: A tabela a seguir fornece os valores da função de Bessel de primeira espécie e ordem em
vários pontos. Compare as aproximações de f (1,5) obtida através de vários polinômios interpoladores de
Lagrange.

(Joelmir Beting)
x f(x)
1,0 0,7651977
1,3 0,6200860
1,6 0,4554022
1,9 0,2818186
2,2 0,1103623
SOLUÇÂO:
Como 1.5 está entre 1,3 e 1,6, o polinômio interpolador de grau um mais adequado é o que utiliza os pontos
x0 = 1,3 e x1 = 1,6.
O valor deste polinômio interpolador de grau um, calculado em 1,5, é dado por
𝑃1 (𝑥) = 𝑦0 𝐿0 (𝑥) + 𝑦1 𝐿1 (𝑥)
(1,5 − 1,6) (1,5 − 1,3)
𝑃1 (1,5) = 0,6200860 ∙ + 0,4554022 ∙
(1,3 − 1,6) (1,6 − 1,3)
𝑃1 (1,5) = 0,5102968
Para calcular um polinômio interpolador de grau dois e usá-lo para aproximar o valor de f (1,5), temos duas
boas opções. Uma é utilizar os pontos x0 = 1,3, x1 = 1,6 e x2 = 1,9, obtendo
𝑃2 (𝑥) = 𝑦0 𝐿0 (𝑥) + 𝑦1 𝐿1 (𝑥) + 𝑦2 𝐿2 (𝑥)
(1,5 − 1,6)(1,5 − 1,9) (1,5 − 1,3)(1,5 − 1,9)
𝑃2 (1,5) = 0,6200860 ∙ + 0,4554022 ∙ + 0,2818186
(1,3 − 1,6)(1,3 − 1,9) (1,6 − 1,3)(1,6 − 1,9)
(1,5 − 1,3)(1,5 − 1,6)
∙
(1,9 − 1,3)(1,9 − 1,6)
𝑃2 (1,5) = 0,5112857
A outra é utilizar os pontos x0 = 1, x1 = 1,3 e x2 = 1,6, obtendo 𝑃̂2 (𝑥) = 0,5124715.
Para calcular um polinômio interpolador de grau três e usá-lo para aproximar o valor de f(1,5), temos,
também, duas boas opções. Uma é utilizar os pontos x0 = 1,3, x1 = 1,6, x2 = 1,9 e x3 = 2,2, obtendo
𝑃3 (𝑥) = 𝑦0 𝐿0 (𝑥) + 𝑦1 𝐿1 (𝑥) + 𝑦2 𝐿2 (𝑥) + 𝑦3 𝐿3 (𝑥)
(1,5 − 1,6)(1,5 − 1,9)(1,5 − 2,2)
𝑃3 (1,5) = 0,6200860 ∙ + 0,4554022
(1,3 − 1,6)(1,3 − 1,9)(1,3 − 2,2)
(1,5 − 1,3)(1,5 − 1,9)(1,5 − 2,2) (1,5 − 1,3)(1,5 − 1,6)(1,5 − 2,2)
∙ + 0,2818186 ∙
(1,6 − 1,3)(1,6 − 1,9)(1,6 − 2,2) (1,9 − 1,3)(1,9 − 1,6)(1,9 − 2,2)
(1,5 − 1,3)(1,5 − 1,6)(1,5 − 1,9)
+ 0,1103623 ∙
(2,2 − 1,3)(2,2 − 1,6)(2,2 − 1,9)
𝑃3 (1,5) = 0,5112857
A outra é utilizar os pontos x0 = 1, x1 = 1,3, x2 = 1,6 e x3 = 1,9, obtendo 𝑃̂2 (𝑥) = 0,5118127.

(Joelmir Beting)
O polinômio interpolador de Lagrange de grau quatro utiliza todos os pontos da tabela e obtém a
aproximação
𝑃4 (𝑥) = 𝑦0 𝐿0 (𝑥) + 𝑦1 𝐿1 (𝑥) + 𝑦2 𝐿2 (𝑥) + 𝑦3 𝐿3 (𝑥) + 𝑦4 𝐿4 (𝑥)
(1,5 − 1,3)(1,5 − 1,6)(1,5 − 1,9)(1,5 − 2,2)
𝑃3 (1,5) = 0,7651977 ∙
(1 − 1,3)(1 − 1,6)(1 − 1,9)(1 − 2,2)
(1,5 − 1)(1,5 − 1,6)(1,5 − 1,9)(1,5 − 2,2)
+ 0,6200860 ∙
(1,3 − 1)(1,3 − 1,6)(1,3 − 1,9)(1,3 − 2,2)
(1,5 − 1)(1,5 − 1,3)(1,5 − 1,9)(1,5 − 2,2)
+0,4554022 ∙
(1,6 − 1)(1,6 − 1,3)(1,6 − 1,9)(1,6 − 2,2)
(1,5 − 1)(1,5 − 1,3)(1,5 − 1,6)(1,5 − 2,2)
+0,2818186 ∙
(1,9 − 1)(1,9 − 1,3)(1,9 − 1,6)(1,9 − 2,2)
(1,5 − 1)(1,5 − 1,3)(1,5 − 1,6)(1,5 − 1,9)
+0,1103623 ∙
(2,2 − 1)(2,2 − 1,3)(2,2 − 1,6)(2,2 − 1,9)
𝑃4 (1,5) = 0,51182
A função que está sendo aproximada é a função de Bessel de primeira espécie e ordem zero, cujo valor
em 1,5 é 0,5118277.

5 Interpolação por Splines

Como visto em seção anterior, um polinômio de grau n – 1 interpola exatamente uma série de n
dados, e é único. Entretanto, é sabido que esse procedimento pode levar, em alguns casos, a resultados
errôneos em virtude dos erros de arredondamento nos cálculos e das chamadas oscilações, que são
ondulações incorretas que o polinômio pode apresentar entre dois pontos interpolados.
Isso é mostrado na Figura, onde um polinômio
de 14ª ordem é usado para interpolar um conjunto de
15 pontos. Fica claro, a partir da figura, que o
polinômio apresenta um desvio significativo na região
próxima às extremidades, não acompanhando a
tendência dos dados. Por esse motivo, ele não pode ser
usado de forma confiável na interpolação.
Uma técnica alternativa é ajustar polinômios
de ordem mais baixa a subconjuntos de pontos. A
interpolação feita dessa forma é chamada de F IGURA 4: Uso de um polinômio de 14ª
ordem para fazer o ajuste de 15 pontos.

(Joelmir Beting)
interpolação polinomial por partes, ou spline.32. Se, por exemplo, curvas de terceira ordem são conectadas
a cada par de pontos, são chamados splines cúbicos. É claro que é necessário estabelecer a compatibilidade
deslocamentos, tangentes e curvaturas nos pontos de união entre dois trechos contíguos quaisquer.
Nas situações em que o número de pontos de interpolação é grande (por exemplo, em aplicações
CAD – computer-aided design), a inexatidão na aproximação obtida com um polinômio de grau elevado é
denominada pelos erros de arredondamento. Ou então quando a função que se quer interpolar possui
derivadas de valor numérico elevado em alguma região do intervalo de interpolação, a aproximação é
prejudicada em todo o intervalo. Nessas situações, a interpolação por spline pode auxiliar a tarefa de
interpolação.
F IGURA 5: Uma representação visual da situação na qual os splines são superiores aos
polinômios interpoladores de grau mais alto. A função a ser ajustada sofre uma mudança
brusca em x = 0. As partes (a) a (c) indicam que a variação abrupta induz oscilações nos
polinômios interpoladores. Em contraste, como é limitada a segmentos de reta, um spline
linear (d) fornece uma aproximação muito mais acessível.
Nesta seção, serão usadas primeiro funções lineares simples para introduzir alguns conceitos
básicos e problemas associados à interpolação por splines. Então, apresentaremos o material sobre o spline
quadrático e cúbico (que é a versão mais útil e comum na prática da engenharia).
32 A raiz da palavra spline é a mesma que a da palavra tala (split, em inglês). Originalmente, era uma pequena madeira
que podia ser usada para unir duas tábuas (em analogia às tábuas de madeira de um barril ou que são ajustadas às
cavernas de uma embarcação desse material). Mais tarde, a palavra passou a ser usada para se referir a uma longa tira
flexível, geralmente feita em metal, que podia ser usada para desenhar curvas contínuas lisas forçando a tira a passar
por pontos específicos e desenhando ao longo da curva obtida. Da resistência dos materiais, é possível provar que as
tábuas de um navio de madeira são splines cúbicos.

(Joelmir Beting)
4.1 Splines Lineares

Para n pontos (i = 1, 2, ..., n) há n – 1 intervalos. Cada intervalo i tem sua própria função, 𝑠𝑖 (𝑥).
Splines lineares ligam cada dois pontos por um segmento de reta:
𝑠𝑖 (𝑥) = 𝑎𝑖 + 𝑏𝑖 (𝑥 − 𝑥𝑖 ) (5)
onde 𝑎𝑖 = 𝑓𝑖 ≐ 𝑓(𝑥𝑖 ) é a ordenada do ponto inicial do trecho, e a inclinação do segmento de reta entre dois
pontos é:
𝑓𝑖+1 − 𝑓𝑖
𝑏𝑖 = (6)
𝑥𝑖+1 − 𝑥𝑖
A Eq. (5) pode ser usada para determinar o valor da função entre dois pontos consecutivos. É claro
que splines lineares são uma aproximação pobre da função a interpolar, especialmente porque a derivada
da função nos pontos de união de duas funções é descontínua.
F IGURA 6: Notação utilizada para derivar splines. Observe que existem n - 1 intervalos e n
pontos de dados.
EXEMPLO 12: A partir do seguinte conjunto de dados com quatro pontos:

x 8 11 15 18
y 5 9 10 8
(a) Determine as splines lineares que fazem o ajuste dos dados.
(b) Determine o valor interpolado em x = 12,7.
SOLUÇÃO:
(a) Há quatro pontos, e portanto três splines. Usando a Eqs. (5) e (6), as equações das splines são:
9−5 4 4
𝑎1 = 5, 𝑏1 = = ⟹ 𝑠1 (𝑥) = 5 + (𝑥 − 8) para 8 ≤ 𝑥 ≤ 11
11 − 8 3 3

(Joelmir Beting)
10 − 9 1 1
𝑎2 = 9, 𝑏2 = = ⟹ 𝑠2 (𝑥) = 9 + (𝑥 − 11) para 11 ≤ 𝑥 ≤ 15
15 − 11 4 4
8 − 10 2 2
𝑎3 = 10, 𝑏3 = = − ⟹ 𝑠3 (𝑥) = 10 − (𝑥 − 15) para 15 ≤ 𝑥 ≤ 18
18 − 15 3 3
(b) O valor interpolado de y em x = 12,7 é obtido com a substituição do valor x na equação de 𝑠2 (𝑥)
acima:
1
𝑠2 (12,7) = 9 + (12,7 − 11) = 9,425
4

EXEMPLO 13: Ajuste os dados da tabela abaixo com um spline de 1º grau. Calcule a função em x = 5.
i 𝒙𝒊 𝒇𝒊
1 3,0 2,5
2 4,5 1,0
3 7,0 2,5
4 9,0 0,5
SOLUÇÃO:
Usando a Eqs. (5) e (6), para gerar a função spline linear para o segundo intervalo de x = 4,5 para x = 7,
temos
2,5 − 1,0 1,5 3 3
𝑎2 = 1,0, 𝑏2 = = = ⟹ 𝑠2 (𝑥) = 1,0 + (𝑥 − 4,5)
7,0 − 4,5 2,5 5 5
O valor para x = 5 é
3
𝑠2 (5) = 1,0 + (5 − 4,5) = 1,3
5

A observação do gráfico do exemplo anterior deixa claro que a grande desvantagem de splines
lineares é que a curva resultante não é suave. Nos nós – locais de encontro de duas retas distintas – a
inclinação da reta muda abruptamente. Ou seja: a derivada primeira é descontínua nestes pontos. Este
problema pode ser resolvido através do uso de splines polinomiais de maior grau, que venham a garantir a
suavidade da curva nos nós ao igualar as derivadas primeiras de cada partição do domínio.
Existem situações, porém, onde a interpolação linear é útil e desejada. Em diversas aplicações de
engenharia deve-se proceder à interpolação de dados oriundos de tabelas. Uma aplicação que deve ser
bastante recorrente ocorre nas disciplina de termodinâmica e transferência de calor, ao se buscar dados de
entropia, entalpia, pressão e temperatura nas tabelas de propriedades de substâncias.

(Joelmir Beting)
4.2 Splines Quadráticas

Para que se possa garantir que uma derivada de m-ésima ordem seja contínua nos nós, uma spline
de ordem mínima de m + 1 deve ser utilizada. Splines cúbicas garantem continuidade da derivada
primeira e segunda, sendo por esta razão as mais utilizadas. Apesar da derivada terceira e de ordens mais
altas acabarem sendo descontínuas ao se utilizar splines cúbicas, tais descontinuidades não podem ser
detectadas visualmente – sendo assim ignoradas.
As splines quadradas possuem, portanto, derivada primeira contínua nos nós. Apesar da
importância prática das mesmas ser baixa, elas possuem grande utilidade para demonstrar o procedimento
geral para desenvolver splines de alta ordem.
Em um conjunto de n pontos, há n – 1 intervalos, e, usando a forma padrão, a equação do polinômio
no i-ésimo intervalo, localizado entre os pontos xi e xi + 1, é dada por:
𝑠𝑖 (𝑥) = 𝑎𝑖 + 𝑏𝑖 (𝑥 − 𝑥𝑖 ) + 𝑐𝑖 (𝑥 − 𝑥𝑖 )2 (7)
Para n pontos (i = 1, 2, ..., n) dados há n – 1 intervalos e, consequentemente, 3(n – 1) coeficientes
a determinar (os a’s, b’s e c’s) para calcular. Portanto, 3(n – 1) equações ou condições são necessárias para
calcular as incógnitas. São elas:
• 1ª condição: Os valores da função e dos polinômios adjacentes que devem ser iguais nos pontos
interiores.
𝑠𝑖 (𝑥𝑖+1 ) = 𝑠𝑖+1 (𝑥𝑖+1 ) = 𝑓𝑖+1 ≐ 𝑓(𝑥𝑖+1 ) para 𝑖 = 1, … , 𝑛 − 2
• 2ª condição: As primeira e última funções devem passar pelos pontos extremos.
𝑠1 (𝑥1 ) = 𝑓1
𝑠𝑛−1 (𝑥𝑛 ) = 𝑓𝑛
• 3ª condição: As primeiras derivadas nos nós interiores devem ser iguais.
𝑠𝑖 ′(𝑥𝑖+1 ) = 𝑠𝑖+1 ′(𝑥𝑖+1 ) para 𝑖 = 1, … , 𝑛 − 2
• 4ª condição: A derivada segunda no primeiro ponto (global) é nula.
𝑠1′′ (𝑥1 ) = 0
Isso implica que 𝑐1 = 0. Essa condição significa, na realidade, que uma linha reta conecta os dois
primeiros pontos (a inclinação é constante).
A manipulação algébrica dessas condições, que aqui é omitida, dado ser muito trabalhoso, leva, ao
final, a escrever uma equação para cada ponto intermediário visando a determinação dos coeficientes 𝑏𝑖 da
Eq. (7), na forma:
ℎ𝑖 𝑏𝑖 + ℎ𝑖 𝑏𝑖+1 = 2(𝑓𝑖+1 − 𝑓𝑖 ), 𝑖 = 1, 2, … , 𝑛 − 1 (8)

(Joelmir Beting)
em que ℎ𝑖 = 𝑥𝑖+1 − 𝑥𝑖 é a diferença de ordenadas à direita do ponto i. A Eq. (8) gera equações de fácil
solução. A ele devem ser adicionadas a condição admitidas para o problema em questão. A determinação
da demais constante 𝑐𝑖 é feita pela expressão a seguir:
𝑏𝑖+1 − 𝑏𝑖
𝑐𝑖 = , 𝑖 = 1, 2, … , 𝑛 − 2 (9)
2ℎ𝑖
F IGURA 7: Notação usada para obter splines quadráticos. Observe que

existem n intervalos e n + 1 dados. O exemplo mostrado é para n = 4..
EXEMPLO 14: A partir do seguinte conjunto de dados com quatro pontos:

x 8 11 15 18 22
y 5 9 10 8 7
(a) Determine as splines lineares que fazem o ajuste dos dados.
(b) Determine o valor interpolado em x = 12,7.
SOLUÇÃO:
(a) Há cinco pontos, e, portanto, quatro splines. A equação quadrática para i-ésima spline é dada por:
𝑠𝑖 (𝑥) = 𝑎𝑖 + 𝑏𝑖 (𝑥 − 𝑥𝑖 ) + 𝑐𝑖 (𝑥 − 𝑥𝑖 )2
Por ser uma interpolação temos que
𝑎1 = 𝑓1 = 5, 𝑎2 = 𝑓2 = 9, 𝑎3 = 𝑓3 = 10, 𝑎4 = 𝑓4 = 8, 𝑎5 = 𝑓5 = 7
Os valores dos tamanhos dos intervalos são:

(Joelmir Beting)
ℎ1 = 𝑥2 − 𝑥1 = 11 − 8 = 3
ℎ2 = 𝑥3 − 𝑥2 = 15 − 11 = 4
ℎ3 = 𝑥4 − 𝑥3 = 18 − 15 = 3
ℎ4 = 𝑥5 − 𝑥4 = 22 − 18 = 4
Usando a condição da segunda derivada temos:
𝑏2 − 𝑏1 𝑏2 − 𝑏1
𝑐1 = 0 ⟹ 𝑐1 = ⟹0= ⟹ 𝑏1 = 𝑏2
2ℎ1 2∙3
Das Eqs. (8) e (9) segue:
4 4
𝑖=1 ℎ1 𝑏1 + ℎ1 𝑏2 = 2(𝑓2 − 𝑓1 ) ⟹ 3𝑏1 + 3𝑏2 = 8 ⟹ 6𝑏1 = 8 ⟹ 𝑏1 = ∴ 𝑏2 =
3 3
4 5
𝑖 = 2 ℎ2 𝑏2 + ℎ2 𝑏3 = 2(𝑓3 − 𝑓2 ) ⟹ 4𝑏2 + 4𝑏3 = 2 ⟹ 4 ∙ + 4𝑏3 = 2 ⟹ 𝑏3 = −
3 6
5 4
𝑏3 − 𝑏2 (− − )
𝑐2 = ⟹ 𝑐2 = 6 3 = − 13
2ℎ2 8 48
5 1
𝑖 = 3 ℎ3 𝑏3 + ℎ3 𝑏4 = 2(𝑓4 − 𝑓3 ) ⟹ 3𝑏3 + 3𝑏4 = −4 ⟹ 3 ∙ (− ) + 3𝑏4 = −4 ⟹ 𝑏4 = −
6 2
1 5
𝑏4 − 𝑏3 (− + )
𝑐3 = ⟹ 𝑐3 = 2 6 = 1
2ℎ3 6 18
A partir da condição que diz que último polinômio deve passar pelos pontos final, temos:
1 1
𝑠4 (𝑥5 ) = 𝑓5 ⟹ 𝑎4 + 𝑏4 (𝑥5 − 𝑥4 ) + 𝑐4 (𝑥5 − 𝑥4 )2 = 𝑓5 ⟹ 8 − ∙ 4 + 𝑐4 ∙ 16 = 7 ⟹ 𝑐4 =
2 16
De posse dos coeficientes, os polinômios são:
4
𝑠1 (𝑥) = 5 + (𝑥 − 8) para 8 ≤ 𝑥 ≤ 11
3
4 13
𝑠2 (𝑥) = 9 + (𝑥 − 11) − (𝑥 − 11)2 para 11 ≤ 𝑥 ≤ 15
3 48
5 1
𝑠3 (𝑥) = 10 − (𝑥 − 15) + (𝑥 − 15)2 para 15 ≤ 𝑥 ≤ 18
6 18
1 1
𝑠4 (𝑥) = 8 − (𝑥 − 18) + (𝑥 − 18)2 para 18 ≤ 𝑥 ≤ 22
2 16

(Joelmir Beting)
Figura 9: O gráfico acima mostra os pontos do conjunto de dados e as curvas descritas pelos polinômios.
O gráfico mostra claramente que a primeira spline é uma linha reta (inclinação constante).
(b) O valor interpolado de y em x = 12,7 é obtido com a substituição do valor x na equação de 𝑠2 (𝑥) acima:
4 13
𝑠2 (12,7) = 9 + (12,7 − 11) − (12,7 − 11)2 ≈ 10,484
3 48

i 𝒙𝒊 𝒇𝒊
1 3,0 2,5
2 4,5 1,0
3 7,0 2,5
4 9,0 0,5
SOLUÇÃO:
Há quatro pontos, e, portanto, três splines. Como o valor da função é em x = 5 teremos que gerar a função
spline quadrática para o segundo intervalo de x = 4,5 para x = 7. A equação para a spline é:
𝑠2 (𝑥) = 𝑎2 + 𝑏2 (𝑥 − 𝑥2 ) + 𝑐2 (𝑥 − 𝑥2 )2
𝑎1 = 𝑓1 = 2,5; 𝑎2 = 𝑓2 = 1,0; 𝑎3 = 𝑓3 = 2,5; 𝑎4 = 𝑓4 = 0,5
ℎ1 = 𝑥2 − 𝑥1 = 4,5 − 3,0 = 1,5
ℎ2 = 𝑥3 − 𝑥2 = 7,0 − 4,5 = 2,5
ℎ3 = 𝑥4 − 𝑥3 = 9,0 − 7,0 = 2,0

(Joelmir Beting)
Usando a condição da segunda derivada temos:

𝑐1 = 0 ⟹ 𝑏1 = 𝑏2
Das Eqs. (8) e (9) segue:
𝑖=1 ℎ1 𝑏1 + ℎ1 𝑏2 = 2(𝑓2 − 𝑓1 ) ⟹ 1,5𝑏1 + 1,5𝑏2 = −3 ⟹ 3𝑏1 = −3 ⟹ 𝑏1 = −1 ∴ 𝑏2 = −1
𝑖 = 2 ℎ2 𝑏2 + ℎ2 𝑏3 = 2(𝑓3 − 𝑓2 ) ⟹ 2,5𝑏2 + 2,5𝑏3 = 3 ⟹ 2,5 ∙ (−1) + 2,5𝑏3 = 3 ⟹ 𝑏3 = 2,2
𝑏3 − 𝑏2 2,2 + 1
𝑐2 = ⟹ 𝑐2 = = 0,64
2ℎ2 5
De posse dos coeficientes, o polinômio para 4,5 ≤ 𝑥 ≤ 7,0 é:
𝑠2 (𝑥) = 1 − (𝑥 − 4,5) + 0,64(𝑥 − 4,5)2
O valor para x = 5 é:
𝑠2 (5) = 1 − (5 − 4,5) + 0,64(5 − 4,5)2 = 0,66

4.2 Splines Cúbicas

Os já mencionados splines cúbicos são uma opção muito superior. A função válida entre dois
pontos consecutivos é:
𝑠𝑖 (𝑥) = 𝑎𝑖 + 𝑏𝑖 (𝑥 − 𝑥𝑖 ) + 𝑐𝑖 (𝑥 − 𝑥𝑖 )2 + 𝑑𝑖 (𝑥 − 𝑥𝑖 )3 (10)
Assim, para n pontos n – 1 intervalos, há 4(n – 1) coeficientes a determinar. Para esse fim,
adotam-se as condições:
• 1ª condição: Os valores da função e dos polinômios adjacentes que devem ser iguais nos pontos
interiores.
𝑠𝑖 (𝑥𝑖+1 ) = 𝑠𝑖+1 (𝑥𝑖+1 ) = 𝑓𝑖+1 ≐ 𝑓(𝑥𝑖+1 ) para 𝑖 = 1, … , 𝑛 − 2
• 2ª condição: A primeira e última funções devem passar pelos pontos extremos.
𝑠1 (𝑥1 ) = 𝑓1
𝑠𝑛−1 (𝑥𝑛 ) = 𝑓𝑛
• 3ª condição: As primeiras e segundas derivadas nos nós interiores devem ser iguais.
𝑠𝑖 ′(𝑥𝑖+1 ) = 𝑠𝑖+1 ′(𝑥𝑖+1 ) para 𝑖 = 1, … , 𝑛 − 2
𝑠𝑖 ′′(𝑥𝑖+1 ) = 𝑠𝑖+1 ′′(𝑥𝑖+1 ) para 𝑖 = 1, … , 𝑛 − 2
• 4ª condição: A derivada segunda define as condições de contorno no primeiro e no último ponto;
uma opção usual é o chamado spline natural33, que tem derivadas segundas nulas nas duas
extremidades.
Um spline livre não tem condições impostas para a direção em suas extremidades, então a curva toma a forma de
33
uma linha reta depois que passa pelos pontos de interpolação mais próximos de suas extremidades. Um spline livre é a

(Joelmir Beting)
𝑠1′′ (𝑥1 ) = 0
′′ (𝑥 )
𝑠𝑛−1 𝑛 =0
A manipulação algébrica dessas condições, que aqui é omitida, dado ser muito trabalhoso, leva,
ao final, a escrever uma equação para cada ponto intermediário visando a determinação dos coeficientes
𝑐𝑖 da Equação (10), na forma:
𝑓𝑖+1 − 𝑓𝑖 𝑓𝑖 − 𝑓𝑖−1
ℎ𝑖−1 𝑐𝑖−1 + 2(ℎ𝑖−1 + ℎ𝑖 )𝑐𝑖 + ℎ𝑖 𝑐𝑖+1 = 3 ( − ), 𝑖 = 2, … , 𝑛 − 1 (11)
ℎ𝑖 ℎ𝑖−1
em que ℎ𝑖 = 𝑥𝑖+1 − 𝑥𝑖 é a diferença de ordenadas à direita do ponto i. A equação (8) é um sistema
tridiagonal simétrico de n –1 equações lineares, já estudado na Unidade 3, de fácil solução. A ele devem
ser adicionadas as condições de contorno admitidas para o problema em questão. A determinação das
demais constantes é feita pelas expressões a seguir:
𝑓𝑖+1 − 𝑓𝑖 ℎ𝑖
𝑏𝑖 = − (2𝑐𝑖 + 𝑐𝑖+1 ) (12)
ℎ𝑖 3
𝑐𝑖+1 − 𝑐𝑖
𝑑𝑖 = (13)
3ℎ𝑖
EXEMPLO 16: A partir do seguinte conjunto de dados com cinco pontos:

x 8 11 15 18 22
y 5 9 10 8 7
(a) Determine as splines cúbicas naturais que fazem o ajuste dos dados.
(b) Determine o valor interpolado de y em x = 12,7.
SOLUÇÃO:
(a) Há cinco pontos (n = 5), e, portanto, quatro splines (i = 1, ..., 4). A equação cúbica para i-ésima spline
é:
𝑠𝑖 (𝑥) = 𝑎𝑖 + 𝑏𝑖 (𝑥 − 𝑥𝑖 ) + 𝑐𝑖 (𝑥 − 𝑥𝑖 )2 + 𝑑𝑖 (𝑥 − 𝑥𝑖 )3
𝑎1 = 𝑓1 = 5, 𝑎2 = 𝑓2 = 9, 𝑎3 = 𝑓3 = 10, 𝑎4 = 𝑓4 = 8, 𝑎5 = 𝑓5 = 7
ℎ1 = 𝑥2 − 𝑥1 = 11 − 8 = 3
ℎ2 = 𝑥3 − 𝑥2 = 15 − 11 = 4
ℎ3 = 𝑥4 − 𝑥3 = 18 − 15 = 3
ℎ4 = 𝑥5 − 𝑥4 = 22 − 18 = 4
forma natural que uma haste flexível assume se forçada a passar pelos pontos de interpolação especificados sem
restrições adicionais.

(Joelmir Beting)
Nas splines cúbicas naturais, os coeficientes 𝑐1 e 𝑐5 são iguais a zero. Os outros três coeficientes são
determinados a partir de um sistema linear de três equações dado pela equação (11).
𝑓3 − 𝑓2 𝑓2 − 𝑓1
𝑖=2 ℎ1 𝑐1 + 2(ℎ1 + ℎ2 )𝑐2 + ℎ2 𝑐3 = 3 ( − )
ℎ2 ℎ1
10 − 9 9 − 5
3 ∙ 0 + 2 ∙ (3 + 4)𝑐2 + 4𝑐3 = 3 ( − ) ⟹ 14𝑐2 + 4𝑐3 = −3,25
4 3
𝑓4 − 𝑓3 𝑓3 − 𝑓2
𝑖=3 ℎ2 𝑐2 + 2(ℎ2 + ℎ3 )𝑐3 + ℎ3 𝑐4 = 3 ( − )
ℎ3 ℎ2
8 − 10 10 − 9
4𝑐2 + 2 ∙ (4 + 3)𝑐3 + 3𝑐4 = 6 ( − ) ⟹ 4𝑐2 + 14𝑐3 + 3𝑐4 = −2,75
3 4
𝑓5 − 𝑓4 𝑓4 − 𝑓3
𝑖=4 ℎ3 𝑐3 + 2(ℎ3 + ℎ4 )𝑐4 + ℎ4 𝑐5 = 6 ( − )
ℎ4 ℎ3
7 − 8 8 − 10
3𝑐3 + 2 ∙ (3 + 4)𝑐4 + 4 ∙ 0 = 6 ( − ) ⟹ 3𝑐3 + 14𝑐4 = 1,25
4 3
O sistema de três equações lineares pode ser escrito na forma matricial:
14 4 0 𝑐2 −3,25
[ 4 14 3 ] [𝑐3 ] = [−2,75]
0 3 14 𝑐4 1,25
Resolvendo o sistema acima usando a eliminação de Gauss encontramos:
195 13 67
𝑐2 = − ; 𝑐3 = − ; 𝑐4 =
1064 76 532
Usando as Eqs. (12) e (13), temos:
𝑓2 − 𝑓1 ℎ1 9−5 3 195 4841
𝑏1 = − (2𝑐1 + 𝑐2 ) ⟹ 𝑏1 = − (2 ∙ 0 − )=
ℎ1 3 3 3 1064 3192
𝑓3 − 𝑓2 ℎ2 10 − 9 4 195 13 1543
𝑏2 = − (2𝑐2 + 𝑐3 ) ⟹ 𝑏2 = − (2 ∙ (− )− ) =
ℎ2 3 4 3 1064 76 1596
𝑓4 − 𝑓3 ℎ3 8 − 10 3 13 67 719
𝑏3 = − (2𝑐3 + 𝑐4 ) ⟹ 𝑏3 = − (2 ∙ (− ) + )=−
ℎ3 3 3 3 76 532 1596
𝑓5 − 𝑓4 ℎ4 7−8 4 67 935
𝑏4 = − (2𝑐4 + 𝑐5 ) ⟹ 𝑏4 = − (2 ∙ + 0) = −
ℎ4 3 4 3 532 1596
195
𝑐2 − 𝑐1 − −0 65
𝑑1 = ⟹ 𝑑1 = 1064 =−
3ℎ1 3∙3 3192
13 195
𝑐3 − 𝑐2 − + 13
𝑑2 = ⟹ 𝑑2 = 76 1064 =
3ℎ2 3∙4 12768
67 13
𝑐4 − 𝑐3 + 76 79
𝑑3 = ⟹ 𝑑3 = 532 =
3ℎ3 3∙3 2394

(Joelmir Beting)
67
𝑐5 − 𝑐4 0− 67
𝑑4 = ⟹ 𝑑4 = 532 =−
3ℎ4 3∙4 6384
Conhecendo-se os coeficientes, os polinômios são (a partir da Eq. (7)):
4841 65
𝑠1 (𝑥) = 5 + (𝑥 − 8) − (𝑥 − 8)3 para 8 ≤ 𝑥 ≤ 11
3192 3192
1543 195 13
𝑠2 (𝑥) = 9 + (𝑥 − 11) − (𝑥 − 11)2 + (𝑥 − 11)3 para 11 ≤ 𝑥 ≤ 15
1596 1064 12768
719 13 79
𝑠3 (𝑥) = 10 − (𝑥 − 15) − (𝑥 − 15)2 + (𝑥 − 15)3 para 15 ≤ 𝑥 ≤ 18
1596 76 2394
935 67 67
𝑠4 (𝑥) = 8 − (𝑥 − 18) + (𝑥 − 18)2 − (𝑥 − 18)3 para 18 ≤ 𝑥 ≤ 22
1596 532 6384
Figura 10: O gráfico acima mostra os pontos do conjunto de dados e o polinômio.
(b) O valor interpolado de y em x = 12,7 é calculado com a substituição do valor x em 𝑠2 (𝑥):

1543 195 13
𝑠2 (12,7) = 9 + (12,7 − 11) − (12,7 − 11)2 + (12,7 − 11)3 ≈ 10,119
1596 1064 12768

i 𝒙𝒊 𝒇𝒊
1 3,0 2,5
2 4,5 1,0
3 7,0 2,5
4 9,0 0,5

(Joelmir Beting)
SOLUÇÃO:
As constantes 𝑐1 e 𝑐4 são nulas pela hipótese adotada de curvatura zero nas extremidades. Outras condições
de contorno poderiam ser admitidas. Para quatro pontos, o sistema a ser escrito é:
𝑓3 − 𝑓2 𝑓2 − 𝑓1
𝑖=2 ℎ1 𝑐1 + 2(ℎ1 + ℎ2 )𝑐2 + ℎ2 𝑐3 = 3 ( − )
ℎ2 ℎ1
2,5 − 1,0 1,0 − 2,5
1,5 ∙ 0 + 2 ∙ (1,5 + 2,5)𝑐2 + 2,5𝑐3 = 3 ( − ) ⟹ 8𝑐2 + 2,5𝑐3 = 4,8
2,5 1,5
𝑓4 − 𝑓3 𝑓3 − 𝑓2
𝑖=3 ℎ2 𝑐2 + 2(ℎ2 + ℎ3 )𝑐3 + ℎ3 𝑐4 = 3 ( − )
ℎ3 ℎ2
0,5 − 2,5 2,5 − 1,0
2,5𝑐2 + 2 ∙ (2,5 + 2)𝑐3 + 2 ∙ 0 = 3 ( − ) ⟹ 2,5𝑐2 + 9𝑐3 = −4,8
2 2,5
Numericamente, tem-se:
1104
8 2,5 2𝑐 4,8 𝑐
] ∴ [𝑐 ] = [ 1315 ]
2
[ ][ ] = [
2,5 9 𝑐3 −4,8 3 1008
−
1315
que resulta em:
𝑓3 − 𝑓2 ℎ2 2,5 − 1,0 2,5 1104 1008 211
𝑏2 = − (2𝑐2 + 𝑐3 ) ⟹ 𝑏2 = − (2 ∙ − )=−
ℎ2 3 2,5 3 1315 1315 1315
1008 1104
𝑐3 − 𝑐2 − − 1408
𝑑2 = ⟹ 𝑑2 = 1315 1315 = −
3ℎ2 3 ∙ 2,5 6575
Como o valor da função é em x = 5 teremos que gerar a função spline cúbica para o segundo intervalo de x
= 4,5 para x = 7. A equação para a spline é:
𝑠2 (𝑥) = 𝑎2 + 𝑏2 (𝑥 − 𝑥2 ) + 𝑐2 (𝑥 − 𝑥2 )2 + 𝑑2 (𝑥 − 𝑥2 )3
De posse dos coeficientes, o polinômio para 4,5 ≤ 𝑥 ≤ 7,0 é:
211 1104 1408
𝑠2 (𝑥) = 1 − (𝑥 − 4,5) + (𝑥 − 4,5)2 − (𝑥 − 4,5)3
1315 1315 6575
O valor para x = 5 é:
211 1104 1408
𝑠2 (5) = 1 − (5 − 4,5) + (5 − 4,5)2 − (5 − 4,5)3 ≈ 1,10
1315 1315 6575


(Joelmir Beting)
E
xercícios
Interpolação Linear
1. Dada a função f(x) = 10x4 + 2x + 1 com os valores de f(0,1) e f(0,2) determinar P1(0,15) e o erro
absoluto cometido.
Resposta:
Polinômio interpolador: P1(x) = 2,15x + 0,986
P1(0.15) = 1,3085
EA = 0,0034375
2. Calcular o calor específico aproximado da água a 42,5° C, usando os valores da tabela 1. Use as
temperaturas 40° C e 45° C.
Resposta:
Polinômio interpolador: P1(x) = 0,000042x + 0,9966
P1(42.5) = 0,99839
3. Considere os dados da tabela abaixo.
Construa um polinômio interpolante de grau 1 para cada conjunto de dados e determine o valor de
x  [1, 3] (arredondando para seis dígitos) no qual as curvas se encontram.
Resposta:
x = 2,02041

(Joelmir Beting)
4. Obtenha a tensão deformação de uma viga a partir de valores de tensão σ (ton.cm−2) e deformação
ε constantes da tabela.
Para determinar os parâmetros da relação linear entre a deformação ε e a tensão σ faz-se necessário
o uso da equação
𝜎 = 𝐸 ∙ 𝜀 + 𝜎0
a) Encontre a equação da relação linear entre a deformação ε e a tensão σ para os pontos k = 1 e
k = 7, utilização a interpolação linear. Trabalhe com 3 casas decimais fixas.
b) Use a equação para determinar σ quando ε × 10-3 = 1, 52.
c) Essa equação gera uma boa aproximação?
Resposta:
a) 𝜎 = 1,941𝜀 + 0,295
b) σ = 4,061
c) Não é uma boa aproximação pois a margem de erro percentual é de aproximadamente 13%. Se
utilizássemos os pontos k = 3 e k = 5 essa margem de erro cairia para 0,7%.
Interpolação Quadrática
5. Usando três pontos da Tabela 1, determinar o calor específico aproximado da água a 31° C. Utilize
os pontos: (20; 0,99907), (30; 0,99826) e (40; 0,99828).
Resposta:
Polinômio interpolador: P2(x) = 0,00000415x2 – 0,0002885x + 1,00318
P2(31) = 0,99822
6. Determinar o polinômio de interpolação quadrática para a função conhecida pelos pontos tabelados
abaixo e o resultado em P(0,5):

(Joelmir Beting)
Resposta:
Polinômio interpolador: P2(x) = x2
P2(0,5) = (0,5)2 = 0,25
7. A relação entre ponto de congelamento e proporção (em peso) da mistura de água e glicerina é dada
pela tabela abaixo
Determine uma estimativa com três dígitos para a temperatura de congelamento de uma solução
com 27% de glicerina (em peso) a partir da interpolação polinomial de três valores da tabela no
intervalo de concentração de glicerina entre 10% e 40%.
Resposta:
Pontos escolhidos (10, 20, 30) = −7,93°C
Pontos escolhidos (20, 30, 40) = −7,95°C
8. Utilize os dados da tabela anterior e determine uma aproximação com três dígitos para o valor
mínimo da temperatura de congelamento de uma mistura de água e glicerina. (Sugestão: construa
o polinômio interpolante P e encontre a raiz real de P’ no intervalo dado pela tabela).
Resposta:
Pontos escolhidos (10, 50, 100):
• Polinômio interpolador: P2(x) = 0,0143x2 – 1,37x + 10,7
• Temperatura (ºC): − 22,1
Pontos escolhidos (10, 60, 100):
• Polinômio interpolador: P2(x) = 0,0212x2 – 2,12x + 17,5
• Temperatura (ºC): − 35,7
9. A partir dos dados da tabela abaixo,

(Joelmir Beting)
Construa dois polinômios interpolantes de grau 2, um adequado à temperatura de 3,5ºC e o outro à

12ºC e os utilize para encontrar uma aproximação com cinco dígitos para o volume ocupado por
uma determinada massa de água a 3,5ºC se a 12ºC a mesma massa ocupa um volume de 1L.
Resposta:
Pontos escolhidos (0, 4, 5) – pontos mais próximos e sem o mesmo espaçamento
• Polinômio interpolador: P2(x) = −8,510-6x2 + 6,510-5x + 0,99984
• Densidade a 3,5ºC: 0,99997
Pontos escolhidos (5, 10, 15) – igualmente espaçados

• Polinômio interpolador: P2(x) = −6,810-6x2 + 510-5x + 0,99988
• Densidade a 12ºC: 0,99950
𝑚
Lembre-se que 𝐷 = 𝑉
V = 0,99953 L
Interpolação de Lagrange
10. Na tabela encontramos a distância média do ponto de queda ao alvo em função da altura do salto
para um determinado pela paraquedista em seus saltos. Pede-se, o valor da distância do ponto de
queda ao alvo para um salto de 850 m de altura usando uma interpolação lagrangeana de grau 1.
Resposta: 12 m
11. Seja f(x) da na forma:
x 0,2 0,34 0,4 0,52 0,6

f(x) 0,16 0,22 0,27 0,29 0,32
Escolher as abscissas dos pontos para calcular f(0,47) usando um polinômio interpolador de
Lagrange de grau 1.
Resposta: 0,28
12. Determine um valor aproximado para a imagem da função dada na tabela, no ponto x = 2, usando
uma interpolação lagrangeana.

(Joelmir Beting)
Resposta: 7
13. O número de bactérias, por unidade de volume, existente em uma cultura após x horas é apresentado
na tabela:
número de horas (x) 0 1 2 3 4
número de bactérias por volume unitário (y) 32 47 65 92 132
Calcule P2(3,7).
Resposta:
Aproximadamente 109 bactérias
14. Na tabela abaixo encontramos o consumo diário de energia elétrica em uma determinada cidade
paraense. Encontre o polinômio interpolador de Lagrange para os pontos dados.
Interpolação Spline
15. A economia de um carro (km/litro) varia com sua velocidade. Em um experimento, são feitas as
cinco medições a seguir.
Interpole os dados do problema usando splines lineares e calcule a economia de combustível à

velocidade de
a) 48 km/h b) 105 km/h
Resposta:
a) 9,5 km/l e b) 9,2 km/l
16. Interpole os dados do problema anterior usando splines quadráticas e calcule a economia de
combustível à velocidade de
a) 48 km/h b) 105 km/h
17. Interpole os dados do problema anterior usando splines cúbicas e calcule a economia de
combustível à velocidade de
a) 48 km/h b) 105 km/h
18. A resistência de um certo fio de metal, f(x), varia com o diâmetro desse fio, x. Foram medidas as
resistências de 5 fios de diversos diâmetros:

(Joelmir Beting)
Use uma spline cúbica natural para estimar a resistência de um fio de diâmetro 1,75.
Resposta:
Um fio de diâmetro 1,75 tem uma resistência de aproximadamente 3,983424.
19. A função s3(t) representa uma spline cúbica que descreve a quantidade de um nutriente na corrente
sanguínea na 1ª hora (0 ≤ t ≤ 1) após a administração dum complexo vitamínico e entre a 2ª e 5ª
horas (1 ≤ t ≤ 5):
Calcule os valores reais de a e b para os quais a spline é natural para aproximar uma função nos
pontos t = 0, 1 e 5.
Resposta:
a = 0,1 e b = 0,375

(Joelmir Beting)

Interpolacao Polinomial

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Interpolacao Polinomial

Enviado por

Direitos autorais:

Formatos disponíveis

I

“A Matemática é a música que conta. A música é a Matemática que canta”.

Algoritmo de Horner: Seja

EXEMPLO 1: Utilize o método de Horner para calcular 𝑃(𝑥) = 2𝑥 4 − 3𝑥 2 + 3𝑥 − 4 em 𝑥0 = −2.

Coeficiente de Coeficiente de Coeficiente de Coeficiente de Termo

“A Matemática é a música que conta. A música é a Matemática que canta”.

O valor de 𝑏0 corresponde à imagem do polinômio no ponto 𝑥0 , isto é, 𝑃(𝑥0 ) = 𝑏0 . Assim,

TABELA 1: Dados da dureza dos grãos em função de sua dimensão.

“A Matemática é a música que conta. A música é a Matemática que canta”.

F IGURA 3: Polinômios de várias ordens.

“A Matemática é a música que conta. A música é a Matemática que canta”.

{∑ 𝑎𝑘 𝑥𝑖𝑘 = 𝑓(𝑥𝑖 ) , onde 𝑖 = 1,2, … , 𝑛.

As equações são obtidas escrevendo-se o polinômio explicitamente em cada ponto (substituindo

“A Matemática é a música que conta. A música é a Matemática que canta”.

2.1 Interpolação Linear

“A Matemática é a música que conta. A música é a Matemática que canta”.

EXEMPLO 4: Utilizando os valores da função seno, dados

“A Matemática é a música que conta. A música é a Matemática que canta”.

“A Matemática é a música que conta. A música é a Matemática que canta”.

4 Polinômios Interpoladores de Lagrange

como os polinômios de grau n − 1 na forma

“A Matemática é a música que conta. A música é a Matemática que canta”.

“A Matemática é a música que conta. A música é a Matemática que canta”.

“A Matemática é a música que conta. A música é a Matemática que canta”.

“A Matemática é a música que conta. A música é a Matemática que canta”.

“A Matemática é a música que conta. A música é a Matemática que canta”.

5 Interpolação por Splines

“A Matemática é a música que conta. A música é a Matemática que canta”.

“A Matemática é a música que conta. A música é a Matemática que canta”.

4.1 Splines Lineares

EXEMPLO 12: A partir do seguinte conjunto de dados com quatro pontos:

“A Matemática é a música que conta. A música é a Matemática que canta”.

“A Matemática é a música que conta. A música é a Matemática que canta”.

4.2 Splines Quadráticas

“A Matemática é a música que conta. A música é a Matemática que canta”.

F IGURA 7: Notação usada para obter splines quadráticos. Observe que

EXEMPLO 14: A partir do seguinte conjunto de dados com quatro pontos:

Por ser uma interpolação temos que

Os valores dos tamanhos dos intervalos são:

“A Matemática é a música que conta. A música é a Matemática que canta”.

Usando a condição da segunda derivada temos:

Das Eqs. (8) e (9) segue:

De posse dos coeficientes, os polinômios são:

“A Matemática é a música que conta. A música é a Matemática que canta”.

“A Matemática é a música que conta. A música é a Matemática que canta”.

Usando a condição da segunda derivada temos:

4.2 Splines Cúbicas

“A Matemática é a música que conta. A música é a Matemática que canta”.

EXEMPLO 16: A partir do seguinte conjunto de dados com cinco pontos:

“A Matemática é a música que conta. A música é a Matemática que canta”.

“A Matemática é a música que conta. A música é a Matemática que canta”.

Figura 10: O gráfico acima mostra os pontos do conjunto de dados e o polinômio.

(b) O valor interpolado de y em x = 12,7 é calculado com a substituição do valor x em 𝑠2 (𝑥):

“A Matemática é a música que conta. A música é a Matemática que canta”.

“A Matemática é a música que conta. A música é a Matemática que canta”.

3. Considere os dados da tabela abaixo.

“A Matemática é a música que conta. A música é a Matemática que canta”.

“A Matemática é a música que conta. A música é a Matemática que canta”.

9. A partir dos dados da tabela abaixo,

“A Matemática é a música que conta. A música é a Matemática que canta”.

Construa dois polinômios interpolantes de grau 2, um adequado à temperatura de 3,5ºC e o outro à

Pontos escolhidos (5, 10, 15) – igualmente espaçados

11. Seja f(x) da na forma: