Splines cúbicos para interpolação suave

Métodos Numéricos
Splines
Renato Martins Assunção
DCC - UFMG
2012
Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 1 / 70

Splines versus Lagrange
Overshoots muito menos pronunciados, menos ı́ngremes.

Polinômio interpolador
O polinômio interpolador pode ser encontrado usando-se o

polinômio de Lagrange ou a forma do polinômio de Newton.
O polinômio é único e os dois algoritmos (Lagrange e Newton)
levam ao MESMO polinômio.
Eles são apenas duas formas diferentes de fazer o mesmo cálculo.
Os algoritmos que encontramos são estáveis numericamente.

Polinômio interpolador: problemas
Tudo parece muito bem e nossos problemas acabaram-se ...

Não é bem assim.
Os polinômios interpolantes tendem a apresentar overshoots.
Isto é, oscilações muito extremas, máximos e mı́nimos locais muito
extremos entre os pontos.
Isto ocorre principalmente nos limites do intervalo de interpolação.

Overshoots com Lagrange

Mais overshoots com Lagrange

Limitações do polinômio interpolante
é difı́cil acreditar que a função subjacente que queremos aproximar

tenha tantas subidas e descidas entre os pontos que estão sendo
interpolados.
Um único polinômio de grau n − 1 passa pelos pontos e este
polinômio único é este com as subidas e descidas extremas.
Existe um outro polinômio que tenha um aspecto menos variável?

Polinômios com outros graus
Quais as soluções para isto?

Talvez um polinômio de grau MENOR que n − 1?
Ele terá um número menor de máximos e mı́nimos locais.
Por exemplo, um polinômio de grau 2 tem apenas um máximo ou
mı́nimo.
Mas ... polinômio de grau MENOR que n − 1 NãO VAI passar
pelos n pontos.
(a não ser que os pontos estejam numa disposição muito especial)

Aumentando o grau?
Vai tornar a situação mais complicada.

Existem infinitos polinômios de grau n − 1 + k passando pelos n
pontos.
Além disso, ele vai ter MAIS máximos e mı́nimos locais que o
polinômio de grau n − 1.

O que fazer então?
Vamos lembrar da primeira técnica que estudamos: a interpolação

linear.
Ela não tinha o problema de overshoots mas não era suave.
A interpolação linear era simplesmente um polinômio
DIFERENTE ajustado em cada segmento [xi , xi+1 ].
A não-suavidade ocorria nas junções:
Os polinômios eram retas.
As derivadas eram constantes dentro do segmento [xi , xi+1 ].
Precisavam mudar abruptamente ao passar de um segmento para
outro.

Solução
Então ... que tal ajustar um polinômio mais maleável que uma reta
em cada segmento [xi , xi+1 ]?
Queremos ajustar um polinômio “por partes”.
Um polinômio de 2o ou 3o grau em cada segmento de forma que
eles “colem” suavemente num no outro.
Como fazer isto? Splines é a solução ...

Ajustando parábolas por partes
Precisam colar suavemente umas as outras.

Grau do polinômio
Podemos tentar usar parábolas que se ajustem suavemente umas

as outras.
Ou talvez polinômios cúbicos (3o grau).
O polinômio que usamos é o de 3o grau, splines cúbicos: é
bastante suave, dá bons resultados.

Exemplo de spline cúbico

Comparação com Lagrange
Overshoots muito menos pronunciados, menos ı́ngremes.

Problema mais simples
Antes de definir os splines, vamos resolver um problema mais

simples.
Achar um polinômio p(x ) tal que p(−1) = 1 e p(3) = 0.
Isto é, o polinômio passa pelos pontos (−1, 1) e (3, 0).
Além disso, queremos fixar o valor das derivadas neste pontos.
Queremos que p 0 (−1) = 0 e também que p 0 (3) = 0.

Primeiro grau?
Claramente, não existe um reta (polinômio de grau 1) satisfazendo

estas condições:
Uma reta tem derivada constante.
A derivada é zero em dois pontos.
A derivada deve ser igual a zero para todos os pontos → reta
horizontal.
Mas uma reta horizontal não pode passar por (−1, 1) e (3, 0).

Segundo grau resolve?
Também não é possı́vel achar um polinômio de segundo grau

satisfazendo estas condições.
Suponha que p(x ) é polinômio de segundo grau e que:
1 = p(−1) = a0 + a1 (−1) + a2 (−1)2
0 = p(3) = a0 + a1 (3) + a2 (3)2
0 = p 0 (−1) = a1 + 2a2 (−1)
0 = p 0 (3) = a1 + 2a2 (3)

Sistema linear correspondente
Sistema com mais

equações que incógnitas.    
Em geral, este tipo de 1 −1 1   1
 1 3 9  a0  0 
sistema linear não possui 
  a1  = 
   
9 1 −2 0
 
solução.  
a2
 
0 1 6 0
Este é o caso aqui: não há
solução.

Segundo grau: sem solução
−1 −1
       
1 1 1 1 1 1
a0 a0
" # " #
 1 3 9  0  0 4 8   1 
a1 = −→  a1 =
 
 9 1 −2  0  0 0 −4  1/4 
a2 a2
0 1 6 0 0 0 0 1/2
Eliminação gaussiana gera o sistema equivalente da direita, que

não possui solução.
(veja a última equação: 0=1/2)

Terceiro grau?
p(x ) é polinômio de 3o grau e:

1 = p(−1) = a0 + a1 (−1) + a2 (−1)2 + a3 (−1)3
0 = p(3) = a0 + a1 (3) + a2 (3)2 + a3 (3)3
0 = p 0 (−1) = a1 + 2a2 (−1) + 3a3 (−1)2
0 = p 0 (3) = a1 + 2a2 (3) + 3a3 (3)2
Ou seja
a 0 − a1 + a2 − a3 = 1
a0 + 3a1 + 9a2 + 27a3 = 0
a1 − 2a2 + 3a3 = 0
a1 + 6a2 + 27a3 = 0

Polinômio cúbico: ok
O sistema linear pode ser escrito como:

    
1 −1 1 −1 a0 1
 1 3 9 27 
  a1
   0 
=
   
9 1 −2 3   a2 0
  
   
0 1 6 27 a3 0
Que possui solução única e igual a (0.84, −0.28, −0.09, 0.03).

Solução

Splines
n + 1 pontos: (x0 , y0 ), . . . , (xn , yn )

Achar função f (x ) que seja:
Um polinômio cúbico em cada intervalo [xi−1 , xi ] com i = 1, . . . , n.
Passe pelos pontos (xi , yi ).
Seja bastante suave nos pontos de junções dos intervalos:
f 0 (x ) seja contı́nua em todos os pontos
f 00 (x ) também seja contı́nua em todos os pontos
f 0 (x ) = 0 nos dois pontos extremos

Splines
As condições anteriores são suficientes para garantir que o sistema

linear resultante será sempre inversı́vel.
Vamos ver um caso simples, com apenas 3 pontos.
Considere os pontos
(−1, 1), (1, 3), (2, 0)

Splines
Queremos dois polinômios cúbicos.

Um polinômio entre (−1, 1) e
(1, 3) e outro polinômio entre
Vamos denotar este polinômios
(1, 3) e (2, 0).
por p1 (x ) e p2 (x ) sendo que
p1 (x ) = a01 + a11 x + a21 x 2 + a31 x 3
p2 (x ) = a02 + a12 x + a22 x 2 + a32 x 3
p1 (x ) passa por (−1, 1) e (1, 3)
p2 (x ) passa por (1, 3) e (2, 0)
Note o ponto (1,3) comum aos
dois polinômios.

Construindo o sistema linear
A restrição de passar pelos 3 pontos cria 4 equações lineares que

devem ser satisfeitas.
1 = a01 − a11 + a21 − a31
3 = a01 + a11 + a21 + a31
3 = a02 + a12 + a22 + a32
0 = a02 + 2a12 + 4a22 + 8a32
Temos 4 equações e 8 incógnitas: infinitas soluções.

Precisamos acrescentar mais restrições.

Que restrições adicionais são estas?
Não queremos apenas que os polinômios se encontrem no ponto

(1, 3).
Queremos que eles se encontrem suavemente no ponto de junção
(1, 3).
Por exemplo, queremos que a derivada pela esquerda no ponto
x = 1, que é a derivada do polinômio p1 (x ), coincida com a
derivada pela direita no mesmo ponto x = 1 (que é a derivada do
polinômio p2 (x )).

Restrições nas 1a s derivadas
Assim, vamos impor o seguinte:
p10 (1) = p20 (1)
Temos p 0 (x ) = a1 + 2a2 x + 3a3 x 2 para um polinômio genérico de

3o grau.
No nosso caso, teremos a equação
a11 + 2a21 + 3a31 = a12 + 2a22 + 3a32
Ou seja,
a11 + 2a21 + 3a31 − a12 − 2a22 − 3a32 = 0
O único ponto de junção gerou uma equação adicional.

Temos agora 4 + 1 equações e 8 incógnitas.
Sistema linear de splines
Temos agora 4 + 1 equações e 8 incógnitas.

1 = a01 − a11 + a21 − a31
3 = a01 + a11 + a21 + a31
3 = a02 + a12 + a22 + a32
0 = a02 + 2a12 + 4a22 + 8a32
0 = a11 + 2a21 + 3a31 − a12 − 2a22 − 6a32

Restrições nas 2a s derivadas
Vamos adicionar uma restrição na 2a derivada, também no ponto
de junção.
Vamos pedir que
p100 (1) = p200 (1)
Temos p 00 (x ) = 2a2 + 6a3 x para um polinômio genérico de 3o grau.
Assim, teremos
No nosso caso, teremos a equação
2a21 + 6a31 = 2a22 + 6a32
Ou seja,
2a21 + 6a31 − 2a22 − 6a32 = 0
Temos agora 4 + 1 + 1 equações e 8 incógnitas.
Precisamos de mais 2 restrições (ou equações).
Temos agora 4 + 1 + 1 equações e 8 incógnitas.

1 = a01 − a11 + a21 − a31
3 = a01 + a11 + a21 + a31
3 = a02 + a12 + a22 + a32
0 = a02 + 2a12 + 4a22 + 8a32
0 = a11 + 2a21 + 3a31 − a12 − 2a22 − 3a32
0 = 2a21 + 6a31 − 2a22 − 6a32

Restrições finais
Os diversos tipos de splines diferem com respeito a estas duas

restrições finais.
O chamado spline natural impõe uma restrição sobre a derivada 2a
nos dois pontos extremos: ela deve ser igual a zero.
Isto é, queremos p100 (x0 ) = 0 e p200 (x2 ) = 0
Se a função for aproximadamente linear nos extremos, sua derivada
segunda deveria ser aproximadamente zero.

Restrições finais
Com nossos pontos especııficos, isto implica
p100 (−1) = 0 e p200 (2) = 0
Ou seja, temos duas equações adicionais:
2a21 − 6a31 = 0
2a22 + 6 × 2a32 = 0
Agora temos 8 equações e 8 incógnitas.

Temos agora 8 equações e 8 incógnitas.

1 = a01 − a11 + a21 − a31
3 = a01 + a11 + a21 + a31
3 = a02 + a12 + a22 + a32
0 = a02 + 2a12 + 4a22 + 8a32
0 = a11 + 2a21 + 3a31 − a12 − 2a22 − 3a32
0 = 2a21 + 6a31 − 2a22 − 6a32
0 = 2a21 − 6a31
0 = 2a22 + 12a32

Na forma de sistema linear (entradas vazias são zeros)

 1 −1 1 −1   a01
  1 
 1 1 1 1   a11   3 
 1 1 1 1   a21   3 

 1 2 4 8  
  a31   0
=


 1 2 3 −1 −2 −3   a02   0 
2 6 −2 −6 a12
     0 
     
2 −6 a22 0
2 12 a32 0

Os dois polinômios
Figura: p1 (x ) = 2 + x para x ∈ [−1, 1] e p2 (x ) = 6 − 11x + 12x 2 − 4x 3 para

x ∈ [1, 2].

Os dois polinômios, ao mesmo tempo
Figura: Os dois polinômios vistos no segmento completo [−1, 2]. Temos

p1 (x ) = 2 + x para x ∈ [−1, 1] e p2 (x ) = 6 − 11x + 12x 2 − 4x 3 para x ∈ [1, 2].

Com mais pontos
Queremos interpolar pelos 6 pontos do gráfico.
Teremos 6 − 1 = 5 cúbicas, uma para cada par de pontos
consecutivos.
Serão 5 ∗ 4 = 20 coeficientes → um sistema 20 × 20

 1 −1 1 −1   1 
1 1.5
1 1.5
1 1 1 1 3
 1
1
1
2
1
4
1
8
 a01
a11
  3
0

 1 2 4 8
 a21
 0

 1 3 9 27  a31 −1
 1 3 9 27
 .
  −1
−3

 1 −1
1 4 16 64
 .
 
=
0

 1 2 3 −1
1
−2
4
−3
12 −1 −4 −12
 a05
.  
 0
0


 1 6 27 −1 −6 −27  a15  0 
2 −2 a25 0
 2 6 −2 −6  a35  0 
2 12 −2 −12 0
2 18 −2 −18 0
2 −6 0
2 24 0

Caso geral
Temos n + 1 pares de pontos (x0 , y0 ), (x1 , y1 ), . . . , (xn , yn ).

Vamos supor que os pontos foram rotulados de forma que
x0 < x1 < . . . < xn .
Temos que achar n polinômios cúbicos, um para cada intervalo
(xi , xi+1 ).
São portanto 4n incógnitas (quatro coeficientes em cada polinômio
cúbico).
Precisamos de 4n equações para obter valores para as 4n
incógnitas.
Chamaremos de p1 (x ), . . . , pn (x ) os polinômios.
O polinômio pk (x ) corresponde ao intervalo [xk−1 , xk ].

Caso geral
Impomos os dois valores nos intervalos extremos:
p1 (x0 ) = y0
e
pn (xn ) = yn
Além disso, nos pontos n − 1 internos temos
p1 (x1 ) = y1
p2 (x1 ) = y1
...
pn−1 (xn−1 ) = yn−1
pn (xn−1 ) = yn−1
Isto dá 2(n − 1) + 2 = 2n retrições ou equações.

Caso geral
Até agora totalizamos 2n equações.

Temos ainda que impor as derivadas nos extremos (zero neste
caso):
p100 (x0 ) = 0
pn00 (xn ) = 0
e também a continuidade da derivada em cada um dos n − 1 nós

internos:
p10 (x1 ) = p20 (x1 )

...
0
pn−1 (xn−1 ) = pn0 (xn−1 )
Assim, totalizamos 2n + 2 + (n − 1) = 3n + 1 equações.

Caso geral
Impomos também a continuidade da segunda derivada nos nós

internos.
Isto fornece mais n − 1 equações:
p100 (x1 ) = p200 (x1 )

...
00
pn−1 (xn−1 ) = pn00 (xn−1 ).
Ao todo, temos 3n + 1 + (n − 1) = 4n equações.

Este éo mesmo número de incógnitas ou coeficientes.

Splines = sistema linear
Assim, interpolar os pontos com splines cúbicos leva a um sistema

linear.
Pode-se mostrar que este sistema sempre tem solução única.
A função em Scilab para interpolar com splines cúbicos naturais é
splin(x, y, "natural");
Vamos ver os tipos diferentes de splines.

Tipos de splines
Até agora, colocamos uma restrição um tanto arbitrária nos

extremos.
Pedimos que a derivada segunda em x0 e em xn fossem iguais a
zero:
S 00 (x0 ) = 0 e S 00 (xn ) = 0
Uma derivada segunda igual a zero significa que, localmente (em
torno de x0 ou de xn ), o polinômio se parece com uma reta.
Este tipo de spline é chamado de spline natural.

Tipos de splines
Outro tipo de spline é chamado de clamped.

A única mudança é que a derivada primeira é fixada num certo
valor dado pelo usuário:
S 0 (x0 ) = d1 e S 0 (xn ) = d2
Por exemplo, é comum fixar d1 = d2 = 0:
S 0 (x0 ) = 0 e S 0 (xn ) = 0
Em Scilab, digitamos splin(x, y, "clamped", [0, 0]);

Spline natural x clamped
Figura: Spline natural (vermelho), com S 00 (x0 ) = S 00 (xn ) = 0, e spline clamped

(azul), com S 0 (x0 ) = S 0 (xn ) = 0.

Tipos de splines: not a knot
O spline padrão no Scilab é not a knot.

Em cada nó interno, o spline S(x ) muda de uma cúbica para outra.
A ideia desta condição é NÃO mudar de cúbica nos dois primeiros
nós internos de cada extremo do intervalo, x1 e xn−1 .
Isto é, vamos impor que os polinômios dos dois primeiros intervalos
[x0 , x1 ] e [x1 , x2 ] sejam os mesmos:
p1 (x ) = p2 (x )
Vamos também pedir que os dois últimos polinômios sejam os

mesmos:
pn−1 (x ) = pn (x )

Tipos de splines: not a knot
Matematicamente, para que os polinômios cúbicos sejam iguais,
basta que a derivada 3a. seja a mesma (além das derivadas 1a e 2a
que já são restritas a serem iguais).
Pedimos que
p1000 (x1 ) = p2000 (x1 )
e
pn000 (xn−1 ) = pn−1
000
(xn−1 )
Assim, estes nós deixam, na prática de ser nós.
A única mudança é que a derivada primeira é fixada num certo
valor dado pelo usuário:
S 0 (x0 ) = d1 e S 0 (xn ) = d2
Por exemplo, é comum fixar d1 = d2 = 0:
S 0 (x0 ) = 0 e S 0 (xn ) = 0
Spline natural x clamped x not a knot
Figura: Spline natural (vermelho), spline clamped (azul), spline not a knot
(preto). Em Scilab, not a knot é o default: splin(x, y);

Implementação computacional
Novo sistema equivalente
n + 1 pontos (x0 , y0 ), (x1 , y1 ), . . . , (xn , yn ) com x0 < x1 < . . . < xn .

Splines: n cúbicas. Em (xi , xi+1 ) teremos pi (x ). NATURAL:
Derivada segunda zero nos extremos.
4n incógnitas (4 coefs em cada cúbica).
Usamos sistema linear Ax = b com 4n equaçôes para obter os 4n
coeficientes.
Existe outra forma de obter o sistema Ax = b, diferente do que
fizemos até aqui.
É possı́vel mostrar que este sistema equivalente envolve uma
matriz muito mais simples e que pode ser automaticamente criada.

Notação
Seja h1 = x1 − x0 , h2 = x2 − x1 , etc. até hn = xn − xn−1 .

A matriz vai depender destas distâncias entre os nós (coordenadas
horizontais dos pontos).
Defina também:
y1 − y0
r0 = 3
x1 − x0
y1 − y0 y2 − y1
r1 = 3 h2 + h1
x1 − x0 x2 − x1
y2 − y1 y3 − y2
r2 = 3 h3 + h2
x2 − x1 x3 − x2
etc.
yn−1 − yn−2 yn − yn−1
rn−1 = 3 hn + hn−1
xn−1 − xn−2 xn − xn−1
yn − yn−1
rn = 3
xn − xn−1

Novo sistema equivalente - Splines naturais
Os 4n coeficientes dos n splines naturais são obtidos partir da

solução (s0 , s1 , . . . , sn ) do seguinte sistema linear:
2 1
 
h2 2(h1 + h2 ) h1
 s0
  r0

 h3 2(h2 + h3 ) h2  s1 r1
 . . .
 s2   r2 
. . .
. . . . .
    
  .   . 
 . . .  .   . 
. . . =
 . . .  . . 
. .
. .
    
    
  .   . 
. .
 . . .  .   . 
. . .
 . . .  sn−1 rn−1
hn 2(hn−1 + hn ) hn−1 sn rn
1 2
Como passar de (s0 , s1 , . . . , sn ) para os coeficientes dos splines

naturais?

Mapeando os coeficientes dos splines
Sistema linear fornece a solução (s0 , s1 , . . . , sn ). Como obter os

coeficientes dos splines naturais?
Ao intervalo [xi−1 , xi ] associamos a cúbica
pi (x ) = ai + bi u(x ) + ci u(x )2 + di u(x )3 onde
u(x ) = (x − xi−1 )/(xi − xi−1 ).
Então
ai = yi−1
bi = hi si−1
ci = 3(yi − yi−1 ) − hi (2si−1 + si )
di = 3(yi−1 − yi ) + hi (si−1 + si )
Esta é a solução do spline natural.

Splines cúbicos para interpolação suave

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

Splines cúbicos para interpolação suave

Enviado por

Direitos autorais:

Formatos disponíveis

Métodos Numéricos

Renato Martins Assunção

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 1 / 70

Overshoots muito menos pronunciados, menos ı́ngremes.

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 2 / 70

O polinômio interpolador pode ser encontrado usando-se o

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 3 / 70

Tudo parece muito bem e nossos problemas acabaram-se ...

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 4 / 70

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 5 / 70

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 6 / 70

é difı́cil acreditar que a função subjacente que queremos aproximar

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 7 / 70

Quais as soluções para isto?

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 8 / 70

Vai tornar a situação mais complicada.

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 9 / 70

Vamos lembrar da primeira técnica que estudamos: a interpolação

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 10 / 70

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 11 / 70

Precisam colar suavemente umas as outras.

Podemos tentar usar parábolas que se ajustem suavemente umas

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 13 / 70

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 14 / 70

Overshoots muito menos pronunciados, menos ı́ngremes.

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 15 / 70

Antes de definir os splines, vamos resolver um problema mais

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 16 / 70

Claramente, não existe um reta (polinômio de grau 1) satisfazendo

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 17 / 70

Também não é possı́vel achar um polinômio de segundo grau

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 18 / 70

Sistema com mais

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 19 / 70

Eliminação gaussiana gera o sistema equivalente da direita, que

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 20 / 70

p(x ) é polinômio de 3o grau e:

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 21 / 70

O sistema linear pode ser escrito como:

Que possui solução única e igual a (0.84, −0.28, −0.09, 0.03).

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 22 / 70

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 23 / 70

n + 1 pontos: (x0 , y0 ), . . . , (xn , yn )

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 24 / 70

As condições anteriores são suficientes para garantir que o sistema

(−1, 1), (1, 3), (2, 0)

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 25 / 70

Queremos dois polinômios cúbicos.

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 26 / 70

A restrição de passar pelos 3 pontos cria 4 equações lineares que

Temos 4 equações e 8 incógnitas: infinitas soluções.

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 27 / 70

Não queremos apenas que os polinômios se encontrem no ponto

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 28 / 70

Assim, vamos impor o seguinte:

p10 (1) = p20 (1)

Temos p 0 (x ) = a1 + 2a2 x + 3a3 x 2 para um polinômio genérico de

a11 + 2a21 + 3a31 = a12 + 2a22 + 3a32

a11 + 2a21 + 3a31 − a12 − 2a22 − 3a32 = 0

O único ponto de junção gerou uma equação adicional.

Temos agora 4 + 1 equações e 8 incógnitas.

Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 2012 30 / 70

2a21 + 6a31 = 2a22 + 6a32