Você está na página 1de 15

Interpolação

• Introdução
• Interpolação Polinomial
– Interpolação Linear
– Interpolação Quadrática
• Formas de se obter pn(x)
– Resolução do sistema linear
– Forma de Lagrange
– Forma de Newton
– Estudo do erro na Interpolação
1
Estudo do erro na
Interpolação
Vimos que (forma de Newton):
∀x∈[a,b], p0(x) interpola f(x) em x0:
f (x) = f (x0 ) + (x − x0 ) f [x0 , x]
1 2 3 144244 3
p0 ( x) E0 ( x)

∀x∈[a,b], p1(x) interpola f(x) em x0 e x1:


f (x) = f (x0 ) + (x − x0 ) f [x1, x0 ] + (x − x0 )(x − x1 ) f [x0 , x1, x]
1444 424444 3 14444244443
p1 ( x) E1 ( x)
∀x∈[a,b], p2(x) interpola f(x) em x0, x1 e x2:
f (x) = f (x0 ) + (x − x0 ) f [x0 , x1 ] + (x − x0 )(x − x1 ) f [x0 , x1, x2 ] +
1444444444 424444444444 3
p2 ( x)

+ (x − x0 )(x − x1 )(x − x2 ) f [x0 , x1, x2 , x] 2


144444424444443
E2 ( x)
Estudo do erro na
Interpolação
Logo, para n+1 pontos, pela forma de
Newton, obtemos:
pn (x) = f (x0 ) + (x − x0 ) f [x0 , x1 ] + (x − x0 )(x − x1 ) f [x0 , x1, x2 ] +
+ (x − x0 )(x − x1 )(x − x2 )K(x − xn−1 ) f [x0 , x1, x2 ,K, xn ]

Cujo erro de truncamento é dado por:


En (x) = f (x) − pn (x) = (x − x0 )(x − x1 )(x − x2 )K(x − xn ) f [x0 , x1, x2 ,K, xn , x]
(I)

3
Estudo do erro na
Interpolação
Dado f(x) e o polinômio interpolador pn(x). O erro
(de truncamento) é dado por:
En (x) = f (x) − pn (x), ∀x ∈[x0 , xn ]
Graficamente:
f1(x0)= f2(x0)=p1(x0)
p1
f1(x1)= f2(x1)=p1(x1)
f2

E1f1 > E1f2 ∀x ∈[x0 , x1 ]


O erro depende de f1’’(x) e f2’’(x)
x0 x1 (concavidade)
4
f1
Estudo do erro na
Interpolação
Teorema 2 (pg 229, Ruggiero): Sejam:
• x0< x1< x2< ... <xn, n + 1 pontos;
• f(x) com derivadas até a ordem n+1 para todo x
pertencente ao intervalo [x0,xn];
• pn(x) o polinômio interpolador de f(x) em [x0,xn];

Então, em qualquer x∈[x0,xn], o erro é dado por:


f (n+1) (ξx )
En (x) = f (x) − pn (x) = (x − x0 )(x − x1 )(x − x2 )K(x − xn )
(n +1)! (II)
onde ξx∈(x0,xn). ξx depende de x.
5
Estudo do erro na
Interpolação
Exemplo: Obter ln(3.7) por interpolação linear, onde ln(x) está tabelado
abaixo, mostre que ξx depende de x.

x 1 2 3 4

ln(x) 0 0.6931 1.0986 1.3863

escolhemos x0 = 3 e x1 = 4, pois 3.7 está neste intervalo. Pela forma de


Newton, temos

p1 ( x ) = f ( x0 ) + ( x − x0 ) f [x0 , x1 ] = 1.0986 + ( x − 3)
(1.3863 − 1.0986)
4−3
p1 ( x ) = 1.0986 + ( x − 3)0.2877
p1 (3.7 ) = 1.300 6
Estudo do erro na
Interpolação
Exemplo (continuação)
Pela calculadora ln(3.7) = 1.3083 (considerando este valor exato), assim
o erro cometido é
E1 (3.7 ) = ln (3.7 ) − p1 (3.7 ) = 1.3083 − 1.300 = 0.0083 = 8.3 × 10 −3
f (n+1) (ξx )
Usando a fórmula do erro, obtém-se En (x) = (x − x0 )(x − x1 )(x − x2 )K(x − xn )
(n +1)!
f '' (ξ x )
E1 (3.7 ) = (3.7 − 3)(3.7 − 4 ) = 8.3 × 10 −3
2
Como 1
f (x ) = − 2
''

x
então
 1 
E1 (3.7 ) = (0.7 )(− 0.3 ) − 2  = 8.3 × 10 −3 finalmente
 2ξ x 
7
ξ x = 3.5578 Se x≠3.7, ξx ≠ 3.5578
Estudo do erro na
Interpolação
Comparando as equações (I) e (II)
En (x) = (x − x0 )(x − x1 )(x − x2 )K(x − xn ) f [x0 , x1, x2 ,K, xn , x] (I)
f (n+1) (ξx )
En (x) = (x − x0 )(x − x1 )(x − x2 )K(x − xn ) (II)
(n +1)!
Comparando as equações (I) e (II), demonstra-se o
Teorema 3 (pg 232, Ruggiero):

f (n+1) (ξx )
f [x0 , x1,K, xn , x] = , x ∈(x0 , xn ) e ξx ∈(x0 , xn )
(n +1)!
8
Estudo do erro na
Interpolação
Limitante para o erro
• A fórmula para o erro (II) tem uso limitado, pois
– raramente se conhece fn+1(x) e
– o ponto ξx nunca é conhecido.

Corolário 1
Sob as hipóteses do teorema 2, se fn+1(x) for contínua em
I=[x0,xn], podemos escrever a seguinte relação:
Mn+1
En (x) = f (x) − pn (x) ≤ (x − x0 )(x − x1 )(x − x2 )K(x − xn )
(n +1)!
M n +1 = max
{ f n +1
(x )
x∈I 9
Estudo do erro na
Interpolação
Corolário 2
Se, além das hipóteses anteriores, os pontos forem
igualmente espaçados, isto é:
x1 − x0 = x 2 − x1 = K = x n − x n −1 = h
Então
M n +1
En (x ) < h n +1

4(n + 1)
Observe que o majorante acima independe do ponto x
considerado, x ∈[x0 , xn ]

10
Estudo do erro na
Interpolação
Exemplo
Dado a tabela
x 0 0.1 0.2 0.3 0.4

e3x 1 1.3499 1.8221 2.4596 4.4817


xe3x 0 0.1349 0.3644 0.7379 1.7927

Calcular o limitante superior para o erro de truncamento


quando avaliamos f(0.25), onde f(x)=xe3x, usando polinômio
de interpolação de grau 2.

11
Estudo do erro na
Interpolação
Exemplo
Fórmula do erro:
(x − x0 )(x − x1 )(x − x2 )
E 2 ( x ) =≤ { f ' ' ' (x )
max
3! x0 ≤ x ≤ x 2

Como f(x) = xe3x, segue que:


f ' ( x ) = e 3 x + 3 xe 3 x = e 3 x (1 + 3 x )
f '' ( x ) = 3e 3 x (1 + 3 x ) + 3e 3 x = 6e 3 x + 9 xe 3 x
f ''' ( x ) = 18e 3 x + 9e 3 x + 27 xe 3 x = 27e 3 x (1 + x )

12
Estudo do erro na
Interpolação
Exemplo
Como vamos estimar f(0.25) usando o polinômio do segundo
grau, tomaremos os seguintes 3 pontos consecutivos:
x0=0.2, x1=0.3 e x2=0.4. Assim:
3(0.4 )
max
{ f ' ' ' ( x ) = 27 e (1 + 0.4) = 125.4998
x0 ≤ x ≤ x 2

O limitante do erro de truncamento será:

(0.25 − 0.2)(0.25 − 0.3 )(0.25 − 0.4)


E 2 (0.25) =≤ 125.4998 = 0.0078 ≅ 8 × 10 −3
6
Este resultado mostra que estimar f(0.25) usando o
polinômio de grau 2 consegue-se uma precisão com 2 casas
13

decimais.
Estudo do erro na
Interpolação
Exercícios
1. Considerando o exemplo anterior, ache o polinômio interpolador de
grau 2 e estime f(0.25) usando tal polinômio. Resposta:
p2(x)=10.83x2 – 1.68x + 0.2672. f(0.25) ≅ p2(0.25) = 0.5241.
2. Use o corolário 2 para estimar o limitante do erro de truncamento
quando se usa o polinômio de grau 2 para estimar f(0.25).
3. Mostre que, se usarmos x0=0.1, x1=0.2 e x2=0.3, para estimar
f(0.25); a ordem de grandeza do limitante do erro é o mesma. Isto
é, obtém-se duas casas decimais corretas na aproximação

14
Estudo do erro na
Interpolação
Limitante para o erro
• Se f(x) é dada em forma de tabela, constrói-se a tabela
de diferenças divididas até a ordem n+1 e usa-se o maior
valor em módulo como estimativa para
Mn+1

Assim
(n +1)!
En(x) ≈ (x−x0 )(x−x1)(x−x2 )K(x−xn ) Dn+1
D n +1 = max | dif . div. de ordem n + 1 |
Exemplo, pg 236 (Ruggiero) 15