Capitulo IV (Atualizado A 17.05.22)

Theorem[section] Definition[section] Corollary[section]
Lemma[section] Example[section]
Interpolação
Crispiniano Furtado e Olga Lima
17 de maio de 2022
Índice
1 Interpolação
Introdução
Interpolação - Preliminares
Interpolação de Lagrange
Interpolação de Newton
Diferenças divididas
Interpolação inversa e aplicação
Erros de interpolação
Interpolação com nós equidistantes
Interpolação segmentada - Splines
Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 2 / 48

Introdução
"O mundo é contínuo, mas a mente é discreta."

David Mumford, vencedor da Medalha Fields (1974)

Introdução
O mundo observável é sempre contínuo, enquanto os dados medidos só

podem ser discretos, porque só podem ser medidos pontualmente, em
determinados momentos. É aqui que surge um problema:
Como correlacionamos o que medimos com o que acontece na realidade?

Especificamente, se precisarmos de valores do fenômeno estudado em
momentos em que nenhuma medição foi feita, o que fazemos?
Simples: interpolar os resultados da medição e aproximar os resultados

desejados. Também deve ser observado que a maioria das funções
matemáticas que modelam fenómenos encontrados na natureza são
contínuas.

Exemplos de situações em que as interpolações são usadas
O cálculo de funções fornecidas por tabelas quando se pretende
avaliar a função em pontos não tabelados;
Quando se conhecem apenas alguns dos valores de uma função, por
exemplo obtidos experimentalmente;
A aproximação de funções cujo cálculo seja complexo ou exija grande
esforço;
Os sensores de temperatura na placa de vídeo/processador fornecem
dados discretos. Estes depois de interpolados geram gráficos;
Equalizadores de som: certas frequências são definidas e os valores
intermediários sendo deduzidos numericamente;
Estatísticas: cálculos do mercado de ações, previsões de lucro e
desenvolvimento financeiro;
Captura de sinais WiFi, radar, rádio, etc.
AutoCAD, fotoshop;
Jogos, streaming;
Introdução
Problema de interpolação - em que consiste?
Dado um conjunto de pares ordenados (x0 , y0 ), (x1 , y1 ), . . . , (xn , yn ),
determinar uma função g, designada função interpoladora, tal que
g(xi ) = yi , i = 0, 1, 2, . . . , n
Designação:
Nós de interpolação: x0 , x1 , x2 , . . . , xn (Sempre distintos entre si)
Valores nodais: y0 , y1 , y2 , . . . , yn
Introdução
Questões importantes
Como escolher a classe de funções interpoladoras a utilizar?
Como determinar concretamente a função interpoladora?
...

Interpolação polinomial
Justificações da utilização da interpolação polinomial
São funções de classe C ∞ ;
As operações de derivação e primitivação são simples;
O seu cálculo é feito com um número finito de multiplicações e
somas;
São fáceis de armazenar na memória do computador (por exemplo,
um vetor no qual os coeficientes a0 , a1 , . . . , an correspondentes aos
termos x 0 , x 1 , . . . , x n do polinómiosão retidos);
São facilmente derivados e integrados numericamente por um
computador;
São flexíveis e, ao modificar os coeficientes ou o grau, podem ser
modelados de várias maneiras;
Aproximam tanto quanto se queira qualquer função contínua num
intervalo finito.
Preliminares
Uma função p diz-se polinomial de grau n se puder ser escrita na forma
p(x ) = an x n + an−1 x n−1 + . . . + a1 x + a0

onde n ∈ N0 e an ̸= 0.
Se p(x ) = 0, o polinómio diz-se nulo, e o seu grau é, por convenção, −∞.
Teorema 1 (Weierstrass)
Seja [a, b] um intervalo real e f uma função
contínua em [a, b]. Então, qualquer que
seja ϵ > 0, existe uma função polinomial p
tal que
max |f (x ) − p(x )| < ϵ.

x ∈[a,b]

Preliminares
Mas como determinar tais polinómios?
Em determinadas circunstâncias, a interpolação produz polinómios

aproximantes. Devido ao teorema de Weierstrass, ∀ f : [a, b] → R
continua e a, b ∈ R, ∀ε > 0, há um polinómio P(x ) de grau grande o
suficiente para a seguinte relação : |f (x ) − P(x )| < ε.
Em outras palavras, qualquer função contínua num intervalo pode ser

aproximada por um polinómio, com um erro, tão pequeno quanto se
deseja.

Formas polinomiais
1. Forma de potências simples
p(x ) = a0 + a1 x + a2 x 2 + . . . + an x n
y ← an
Algoritmo de Horner → Para i = n − 1 até 0 fazer
y = ai + y · x
2. Forma de potências centradas
p(x ) = a0 + a1 (x − c) + a2 (x − c)2 + . . . + an (x − c)n
3. Forma de Newton
p (x ) = ã0 +ã1 (x − c1 )+ã2 (x − c1 ) (x − c2 )+. . .+ãn (x − c1 ) . . . (x − cn )
y ← an
Algoritmo de Horner → Para i = n − 1 até 0 fazer
y = ai + y · (x − ci+1 )
Obs: As constantes c, c1 , c2 , . . . , cn são designadas por centros.
Formas polinomiais - Forma de Taylor
Um resultado conhecido que ilustra o Teorema de Weierstrass é a
decomposição em série de Taylor (potências centradas).
No entanto, a interpolação usando a série de Taylor não é usada.

Porquê?
Esta interpolação concentra a informação em torno do ponto (centro),

e à medida que nos afastamos dele, os erros tornam-se grandes;
Por esta razão, para qualquer novo ponto t seria necessário recalcular
o polinómio de Taylor numa vizinhança deste t, o que exigiria muita
complexidade computacional;
O cálculo do polinómio em si é problemático: envolve o cálculo de
derivadas de grande ordem, sendo essas operações caras em termos
de tempo de execução quando se pretende alta precisão.

Formas polinomiais - Forma de Taylor
Aproximação usando decomposição em série de Taylor
Seja f : [a, b] → R, continua e f ∈ C n+1 ((a, b)). Então para qualquer
x ∈ [a, b] e ∀t ∈ [a, b], ∃ ξ ∈ (t, x ) tal que:
(x − t) ′ (x − t)n (n) (x − t)n+1 (n+1)
f (x ) = f (t) + f (t) + · · · + f (t) + f (ξ)
| 1! {z n! } (n + 1)!
| {z }
Pn (x ) Rn (x )

Interpolação Polinomial
Teorema 2 (Factorização de polinómios)

Se z1 , z2 , . . . , zk forem zeros distintos do polinómio p, então
p(x ) = (x − z1 ) · (x − z2 ) · · · (x − zk ) · r (x )
onde r é também um polinómio.
Teorema 3 (Unicidade e existência do polinómio interpolador)

Dados os nós distintos x0 , x1 , . . . , xn e os valores nodais y0 , y1 , . . . , yn ,
existe um e um só polinómio p de grau menor ou igual a n que interpola
os valores yi nos nós xi , ou seja, tal que
p(xi ) = yi , i = 0, 1, . . . , n.

Interpolação polinomial - Forma de Lagrange
Os polinómios (de grau n) definidos pela expressão

n
x − xi
Lk (x ) =
Y
i=0
xk − xi
i̸=k
designam-se por polinómios de Lagrange, relativos aos nós x0 , x1 , x2 ,

. . ., xn , e verificam as relações
Lk (xj ) = δkj ,
onde δkj é designado por delta de Kronecker, ou seja,

(
1 se k = j
δkj = .
0 se k =
̸ j

Comportamento dos polinómios de Lagrange

Teorema 4 (Polinómio interpolador na forma de Lagrange)
O polinómio p, de grau menor ou igual a n, que interpola o conjunto de
valores y0 , y1 , · · · , yn nos nós distintos x0 , x1 , x2 , . . ., xn é dado por
n
p (x ) = yk Lk (x )
X
k=0
Exemplo
Pretende-se determinar o polinómio de grau menor ou igual a 3 que
interpola os valores da seguinte tabela:
x −1 0 2 3
y 6 −12 18 24
Obs.: De acordo com a tabela, x0 = −1, x1 = 0, x2 = 2, x3 = 3, y0 = 6,
y1 = −12, y2 = 18, y3 = 24.

Exemplo - Cont.
(x − x1 ) (x − x2 ) (x − x3 ) 1
L0 (x ) = = − x (x − 2) (x − 3)
(x0 − x1 ) (x0 − x2 ) (x0 − x3 ) 12
(x − x0 ) (x − x2 ) (x − x3 ) 1
L1 (x ) = = (x + 1) (x − 2) (x − 3)
(x1 − x0 ) (x1 − x2 ) (x1 − x3 ) 6
(x − x0 ) (x − x1 ) (x − x3 ) 1
L2 (x ) = = − (x + 1) x (x − 3)
(x2 − x0 ) (x2 − x1 ) (x2 − x3 ) 6
(x − x0 ) (x − x1 ) (x − x2 ) 1
L3 (x ) = = (x + 1) x (x − 2)
(x3 − x0 ) (x3 − x1 ) (x3 − x2 ) 12
p (x ) = 6L0 (x ) − 12L1 (x ) + 18L2 (x ) + 24L3 (x )

7 29
= − x 3 + x 2 − 12
2 2

Algumas considerações:
Relativamente fácil.
Uma mudança da posição ou do número dos nós altera
completamente os polinómios. Torna-se necessário recalcular todos os
polinómios Lk .
Se um ou mais valores nodais forem alterados, os polinómios Lk
mantêm-se, sendo apenas necessário recalcular a combinação destes
para obter p(x ).

Interpolação polinomial - Forma de Newton
Tomando como centros os nós distintos x0 , x1 , . . . ,xn−1 , o polinómio

interpolador p é obtido na forma de Newton da seguinte forma:
p (x ) = a0 + a1 W0 (x ) + . . . + an Wn−1 (x )
onde
W0 (x ) = x − x0
W1 (x ) = (x − x0 ) (x − x1 )
...
Wn−1 (x ) = (x − x0 ) (x − x1 ) · · · (x − xn−1 )
Wi , i = 0, 1, . . . , n − 1 são designados por polinómios nodais.
Questão: Como determinar os coeficientes ai ?

Forma recursiva de obter o polinómio - Forma de Newton
Partindo do polinómio interpolador na forma de Newton,
p (x ) = a0 + a1 W0 (x ) + . . . + an Wn−1 (x ), definam-se os polinómios p0 ,
p1 , . . . , pn da seguinte forma:
p0 (x ) = a0
p1 (x ) = a0 + a1 W0 (x ) ,
p2 (x ) = a0 + a1 W0 (x ) + a2 W1 (x ) ,
...
↓
p0 (x ) = a0
pk (x ) = pk−1 (x ) + ak Wk−1 (x ) , k = 1, . . . , n.
o polinómio pk apenas depende dos valores a0 , . . . , ak ;

o polinómio interpolador p será dado por pn .
Teorema 5 (Cálculo dos coeficientes a0 , . . . , ak )
Fazendo a0 = y0 e
yk − pk−1 (xk )
ak = , k = 1, 2, . . . , n
Wk−1 (xk )
então o polinómio pk interpola os valores (yj )kj=0 nos nós (xj )kj=0 , para
k = 0, 1, 2, . . . , n.
Exemplo
Pretende-se determinar o polinómio na forma de Newton, de grau menor
ou igual a 2, que interpola os valores da seguinte tabela:
x −1 2 3
y 1 3 5
Obs.: De acordo com a tabela, x0 = −1, x1 = 2, x2 = 3, y0 = 1, y1 = 3 e
y2 = 5.
Exemplo - Cont.
Nó 0:
p0 (x ) = y0 = 1
W0 (x ) = x − x0 = x + 1
Nó 1:
y1 − p0 (x1 ) 2
p1 (x ) = p0 (x ) + W0 (x ) = 1 + (x + 1)
W0 (x1 ) 3
W1 (x ) = (x − x0 ) (x − x1 ) = (x + 1) (x − 2)
Nó 2:
y2 − p1 (x2 )
p2 (x ) = p1 (x ) + W1 (x ) =
W1 (x2 )
2 1
1+ (x + 1) + (x + 1) (x − 2)
3 3
O polinómio interpolador na forma de Newton é dado por
p (x ) = p2 (x ) .
Algumas considerações:
A consideração de novos nós apenas exige o cálculo dos coeficientes
adicionais, aproveitando os cálculos entretanto já efetuados.
Não interessa a ordem pela qual os nós são apresentados.

Sejam m, k ∈ Z+ . Seja pm,k o polinómio de grau menor ou igual a k que

interpola os valores ym , ym+1 , . . . , ym+k nos nós xm , xm+1 , . . . , xm+k .
Na forma de Newton,
pm,k (x ) = am,0 + am,1 (x − xm ) + . . . + am,k (x − xm ) . . . (x − xm+k−1 ) .
Pela constução do polinómio interpolador na forma de Newton, conclui-se

que am,j , para j = 0, 1, . . . , k depende apenas dos valores
ym , ym+1 , . . . , ym+j e dos nós xm , xm+1 , . . . , xm+j . Por isso, é representado
por
am,j = y [xm , . . . , xm+j ]
e é designado por diferença dividida (de ordem j nos nós xm , . . . , xm+j ).

Teorema 6 (Relação entre diferenças divididas)
As diferenças divididas satisfazem y [xj ] = yj , com 0 ≤ j ≤ n e
y [xm+1 , . . . xk+1 ] − y [xm , . . . xk ]

y [xm , . . . xk+1 ] =
xk+1 − xm
com 0 ≤ m ≤ k ≤ n − 1.
Polinómio interpolador na Forma de Newton

p (x ) = y [x0 ]+y [x0 , x1 ] (x − x0 )+. . .+y [x0 , . . . xn ] (x − x0 ) . . . (x − xn−1 )
onde
y [x0 ] = y0
y [x1 ] − y [x0 ]
y [x0 , x1 ] =
x1 − x0
y [x1 , x2 ] − y [x0 , x1 ]
y [x0 , x1 , x2 ] =
x2 − x0
...
Diferenças divididas - Forma tabular
Diferenças divididas com 4 nós:
x y [·] y [·, ·] y [·, ·, ·] y [·, ·, ·, ·]

x0 y0
y [x0 , x1 ]
x1 y1 y [x0 , x1 , x2 ]
y [x1 , x2 ] y [x0 , x1 , x2 , x3 ]
x2 y2 y [x1 , x2 , x3 ]
y [x2 , x3 ]
x3 y3

Exemplo (anterior)
Determine o polinómio na forma de Newton, de grau menor ou igual a 2,
que interpola os valores da seguinte tabela, utilizando diferenças dividas:
x −1 2 3
y 1 3 5
Resolução:
x y [·] y [·, ·] y [·, ·, ·]
−1 1
2
y [−1, 2] =
3
1
2 3 y [−1, 2, 3] =
3
y [2, 3] = 2
3 5
2 1
p (x ) = 1 + (x + 1) + (x + 1) (x − 2)
3 3
Interpolação inversa
Sejam f : [a, b] → R, (xi )ni=0 nós distintos em [a, b] e yi = f (xi ) ,
i = 0, 1, . . . , n.
Interpolação direta de f Vs Interpolação inversa de f
Direta: consiste em obter o polinómio p de menor grau tal que
p(xi ) = yi , i = 0, 1, . . . , n.
Nós: x0 , x1 , . . . , xn
Valores nodais: y0 , y1 , . . . , yn
Inversa: no caso em que f admite inversa, consiste em obter o polinómio

q de menor grau tal que
q(yi ) = xi , i = 0, 1, . . . , n.
Nós: y0 , y1 , . . . , yn
Valores nodais: x0 , x1 , . . . , xn
Interpolação inversa - Aplicação
Uma das aplicações da interpolação inversa é a determinação de zeros de
funções.
Exemplo
3
Determine uma aproximação do zero de f (x ) = sin (x ) − e −x em [0, 1].
2
Resolução:
Como f (0) = −1 e f (1) = 0.89433 e f é contínua em [0, 1], então
existe s ∈ [0, 1] tal que f (s) = 0.
Como f ′ (x ) > 0 em [0, 1], então f é estritamente crescente em [0, 1]
e, por isso, f admite inversa nesse intervalo.
∴ f (s) = 0 ⇔ s = f −1 (0).
Utiliza-se a interpolação inversa.
x 0 0.4 0.6 1
y = f (x ) −1.00000 −0.08619 0.29815 0.89433

Interpolação inversa - Aplicação
Exemplo - Cont.
y x [·] x [·, ·] x [·, ·, ·] x [·, ·, ·, ·]
−1.00000 0
0.43773
−0.08619 0.4 0.06366
0.52037 0.04745
0.29815 0.6 0.15356
0.67094
0.89433 1
Polinómio interpolador:
q(y ) =0.43773(y + 1) + 0.06366(y + 1)(y + 0.08619)

+0.04745(y + 1)(y + 0.08619)(y − 0.29815)
Aproximação do zero: s = f −1 (0) ≈ q(0) = 0.44200.

Erro de interpolação I
Sejam f : [a, b] → R e os nós x0 , x1 , . . . , xn em [a, b].

Seja p o polinómio de menor grau que interpola f nesses nós.
Pode ser interessante analisar em que medida o polinómio interpolador se
aproxima da função, obviamente que em pontos distintos dos nós de
interpolação.
Qual o erro que se comete ao aproximar f (x ) por p(x )?

Erro de interpolação II
Teorema 7 (Diferenças divididas e derivadas)

Sejam f ∈ C k ([a, b]; R) e {x0 , x1 , . . . , xk } um conjunto de nós distintos
em [a, b]. Então existe ξ ∈ [a, b] tal que
1 (k)
f [x0 , x1 , . . . , xk ] = f (ξ).
k!
Demonstração.
Vide (Pina, Heitor; pg. 84)

Erro de interpolação III
Teorema 8 (Erro de interpolação)

Sejam f ∈ C n+1 ([a, b]; R) e p o polinómio, de grau menor ou igual a n,
que interpola f nos nós distintos (xi )ni=0 , pertencentes a [a, b]. Então,
para qualquer x ∈ [a, b] existe ξ ∈ [a, b] tal que
1
e(x ) ≡ f (x ) − p(x ) = f (n+1) (ξ)Wn (x )
(n + 1)!
onde Wn (x ) = (x − x0 ) (x − x1 ) . . . (x − xn ) .
Demonstração.
Vide (Pina, Heitor; pg. 87)

Erro de interpolação
Majorante do erro absoluto

Na expressão do erro, o ponto ξ (que depende de x e dos nós de
interpolação) é desconhecido.
1

|e(x )| = (n+1)
(ξ)Wn (x )

f
(n + 1)!
1
≤ · max f (n+1) (z) · max |Wn (z)|

(n + 1)! z∈[a,b] z∈[a,b]
hn+1
≤ · max f (n+1) (z) (1)

4(n + 1) z∈[a,b]
A expressão em (1) deve-se quando os nós estão ordenados de forma

crescente, sendo h o espaçamento máximo entre nós consecutivos. Válida
para todo o x ∈ [x0 , xn ].

Erro de interpolação
Exemplo
Pretende-se construir uma tabela da função f (x ) = tan(x ) no intervalo
[0, π/4] com nós equidistantes, por forma a que o erro absoluto cometido
quando se interpola linearmente nesta tabela não exceda 5 × 10−5 . Qual o
espaçamento mínimo entre os nós?
Resolução: O erro máximo absoluto na interpolação linear (n = 1) entre
nós consecutivos será
h2
· max f ′′

ϵ≤
4×2
Tem-se ainda que f ′′ (x ) = [1 + tan2 (x )]′ = 2 tan(x )(1 + tan2 (x )), cujo
valor máximo em [0, π/4] é 4 (para x = π/4). Impondo a condição
h2
× 4 ≤ 5 × 10−5
4×2
obtem-se h ≤ 10−2 (corresponde a um número de intervalos superior

π/4
10−2
≈ 78, 5).
Interpolação com nós equidistantes
Há vantagens quando os nós são equidistantes!
Seja h a distância entre nós sucessivos:

xn − x0
h=
n
xk = x0 + kh, k = 0, 1, . . . , n
Transformação linear de coordenadas:

x − x0
s = s(x ) =
h
x = x (s) = x0 + sh

Diferenças (progressiva, regressiva, central)
Definição 9
A diferença progressiva de ordem k e passo h da função f no ponto x ,denotada
por ∆h f (x ), é dada por
∆0h f (x ) = f (x ), ∆h f (x ) = f (x + h) − f (x )
∆k+1
h f (x ) = ∆(∆h f (x )), k = 1, 2, . . .
k
A diferença regressiva de ordem k e passo h da função f no ponto x , denotada

por ∇h f (x ), é dada por
∇0h f (x ) = f (x ), ∇h f (x ) = f (x ) − f (x − h)
h f (x ) = ∇(∇h f (x )), k = 1, 2, . . .
∇k+1 k
A diferença central de ordem k e passo h da função f no ponto x , denotada por

δh f (x ), é dada por
h h
δh0 f (x ) = f (x ), δh f (x ) = f (x + ) − f (x − )
2 2
δhk+1 f (x ) = δ(δhk f (x )), k = 1, 2, . . .
Relação entre as diferenças divididas e as diferenças
Teorema 10
A diferença dividida de ordem i da função f nos nós equidistantes
xk , xk+1 , . . . , xk+i é dada por
1 i
f [xk , xk+1 , . . . , xk+i ] = ∆ f (xk ).
i!hi

Interpolação segmentada - Splines
Em que situações?
Quando o grau do polinómio

interpolador é elevado (muitos
nós), o erro da interpolação nem
sempre converge para zero;
Nem sempre é vantajoso utilizar polinómios de grau elevado. Pode

ocorrer erros de arredondamento na avaliação do polinómio num
ponto.
⇒ Utilização de funções polinomiais por segmentos ⇐

Spline polinomial
Definição 11
Uma função S diz-se um spline polinomial de grau m (onde m ∈ N),
relativo aos nós a = x0 < x1 < . . . < xn = b, quando
1 S coincide com um polinómio Si de grau menor ou igual a m em cada
subintervalo [xi−1 , xi ], i = 1, . . . , n.
2 S ∈ C m−1 ([a, b]; R).

Spline polinomial
Em que consiste?
Dado um conjunto de nós x0 < x1 < . . . < xn e os valores nodais
y0 < y1 < . . . < yn respectivos, a interpolação por splines de grau m
consiste em encontrar um spline S de grau m relativo aos nós dados tal que
S(xi ) = yi , i = 0, 1, . . . , n.
Algumas questões:
Será que existe spline interpolador?
Será que o spline interpolador é único?
Como se determinam os polinómios Si que definem o spline?
Como se estima o erro na interpolação por splines de uma função?

Spline de grau 1 ou linear
Cada Si representa um segmento de recta que passa por (xi−1 , yi−1 ) e

(xi , yi ), ou seja, para i = 1, 2, . . . , n:
Si (xi−1 ) = yi−1
Si (xi ) = yi
xi − x x − xi−1
Si (x ) = yi−1 + yi , onde hi = xi − xi−1
hi hi
Majorante do erro
h2
max f ′′ (x )

|e| ≤
8 x ∈[a,b]
com h = max{hi : 1 ≤ i ≤ n}

Spline de grau 2 ou quadrático
Cada Si representa um arco de parábola no intervalo [xi−1 , xi ].

Ligam-se de forma contínua e passam pelos valores a interpolar:
Si (xi ) = Si+1 (xi ), i = 1, 2, . . . , n − 1
Si (xi−1 ) = yi−1 , i = 1, 2, . . . , n
Si (xi ) = yi , i = 1, 2, . . . , n
Asseguram a continuidade da 1ª derivada nos nós x1 , x2 , . . . , xn−1 :

Si′ (xi ) = Si+1
′
(xi ), i = 1, 2, . . . , n − 1
Cada párabola Si , para i = 1, 2, . . . , n pode ser obtida pelo método de

Lagrange ou de Newton, por exemplo.
Nota: Os splines quadráticos são pouco utilizados porque apresentam,

muitas vezes, comportamento com grandes oscilações.

Spline de grau 3 ou cúbico
Cada Si representa um polinómio de grau ≤ 3, no intervalo [xi−1 , xi ], tal
que:
Ligam-se de forma contínua e passam pelos valores a interpolar:
Si (xi ) = Si+1 (xi ), i = 1, 2, . . . , n − 1
Si (xi−1 ) = yi−1 , i = 1, 2, . . . , n
Si (xi ) = yi , i = 1, 2, . . . , n
Asseguram a continuidade da 1ª e 2ª derivadas nos nós internos:

Si′ (xi ) = Si+1
′
(xi ), i = 1, 2, . . . , n − 1
Si (xi ) = Si+1
′′ ′′
(xi ), i = 1, 2, . . . , n − 1
Classificação de splines cúbicos:

Se S ′′ (x0 ) = S ′′ (xn ) = 0, diz-se que o spline é natural.
Se S ′ (x0 ) = f ′ (x0 ) e S ′ (xn ) = f ′ (xn ), diz-se que o spline é completo.
Nota: Os splines cúbicos são bastante utilizados uma vez que polinómios
de grau 3 são de fácil avaliação num ponto e garantem a continuidade da
2ª derivada.
Exemplo: construção de um s.c.n. que passa por (1, 2), (2, 3), e (3, 5)
S1 (x ), x ∈ [1, 2[
(
S(x ) =
S2 (x ), x ∈ [2, 3]
a0 + b0 (x − 1) + c0 (x − 1)2 + d0 (x − 1)3 , x ∈ [1, 2[
(
=
a1 + b1 (x − 2) + c1 (x − 2)2 + d1 (x − 2)3 , , x ∈ [2, 3]
(. . .)

Exemplo: construção de um s.c.n. que passa por (1, 2), (2, 3), e (3, 5)
S1 (x ), x ∈ [1, 2[
(
S(x ) =
S2 (x ), x ∈ [2, 3]
a0 + b0 (x − 1) + c0 (x − 1)2 + d0 (x − 1)3 , x ∈ [1, 2[
(
=
a1 + b1 (x − 2) + c1 (x − 2)2 + d1 (x − 2)3 , , x ∈ [2, 3]
(. . .)
3 1

2 + (x − 1) + (x − 1)2 , x ∈ [1, 2[

4 4



S(x ) =
3 3 1


3 + (x − 2) + (x − 2)2 − (x − 2)3 , x ∈ [2, 3]


2 4 4

Spline de grau 3 ou cúbico - Propriedades I
Teorema 12
Sejam dados os nós a = x0 < x1 < . . . < xn = b e os valores nodais
y0 , y1 , . . . , yn . Então, de todas as funções f ∈ C 2 (Ω) que interpolam estes
valores, o spline cúbico natural é a única função que torna mínimo o valor
de Z b ′′ 2
J(f ) = f (x ) dx .
a
O valor de f (x ) é um indicador da curvatura da função f ;

O valor de J(f ) representa uma espécie de ‘curvatura média’ de f no
intervalo;
O spline cúbico natural é, de entre as curvas interpoladoras com
derivadas contínuas até à segunda ordem, aquela que é mais ‘direita’.

Spline de grau 3 ou cúbico - Propriedades II
Teorema 13 (Majorante do erro)

Seja f ∈ C 4 [a, b] com M = max f (4) (x ). Se S é o spline cúbico natural

x ∈[a,b]
que interpola f nos nós a = x0 < x1 < . . . < xn = b, então, para qualquer
x ∈ [a, b] se tem que
5M
|f (x ) − S(x )| ≤ max (xj+1 − xj )4 .
384 0≤j≤n−1

Capitulo IV (Atualizado A 17.05.22)

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

Capitulo IV (Atualizado A 17.05.22)

Enviado por

Direitos autorais:

Formatos disponíveis

Theorem[section] Definition[section] Corollary[section]

Crispiniano Furtado e Olga Lima

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 2 / 48

"O mundo é contínuo, mas a mente é discreta."

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 3 / 48

O mundo observável é sempre contínuo, enquanto os dados medidos só

Como correlacionamos o que medimos com o que acontece na realidade?

Simples: interpolar os resultados da medição e aproximar os resultados

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 4 / 48

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 7 / 48

p(x ) = an x n + an−1 x n−1 + . . . + a1 x + a0

Se p(x ) = 0, o polinómio diz-se nulo, e o seu grau é, por convenção, −∞.

max |f (x ) − p(x )| < ϵ.

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 9 / 48

Mas como determinar tais polinómios?

Em determinadas circunstâncias, a interpolação produz polinómios

Em outras palavras, qualquer função contínua num intervalo pode ser

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 10 / 48

No entanto, a interpolação usando a série de Taylor não é usada.

Esta interpolação concentra a informação em torno do ponto (centro),

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 12 / 48

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 13 / 48

Teorema 2 (Factorização de polinómios)

onde r é também um polinómio.

Teorema 3 (Unicidade e existência do polinómio interpolador)

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 14 / 48

Os polinómios (de grau n) definidos pela expressão

designam-se por polinómios de Lagrange, relativos aos nós x0 , x1 , x2 ,

onde δkj é designado por delta de Kronecker, ou seja,

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 15 / 48

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 16 / 48

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 17 / 48

p (x ) = 6L0 (x ) − 12L1 (x ) + 18L2 (x ) + 24L3 (x )

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 18 / 48

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 19 / 48

Tomando como centros os nós distintos x0 , x1 , . . . ,xn−1 , o polinómio

Questão: Como determinar os coeficientes ai ?

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 20 / 48

o polinómio pk apenas depende dos valores a0 , . . . , ak ;

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 24 / 48

Sejam m, k ∈ Z+ . Seja pm,k o polinómio de grau menor ou igual a k que

pm,k (x ) = am,0 + am,1 (x − xm ) + . . . + am,k (x − xm ) . . . (x − xm+k−1 ) .

Pela constução do polinómio interpolador na forma de Newton, conclui-se

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 25 / 48

y [xm+1 , . . . xk+1 ] − y [xm , . . . xk ]

Polinómio interpolador na Forma de Newton

Diferenças divididas com 4 nós:

x y [·] y [·, ·] y [·, ·, ·] y [·, ·, ·, ·]

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 27 / 48

Inversa: no caso em que f admite inversa, consiste em obter o polinómio

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 30 / 48

q(y ) =0.43773(y + 1) + 0.06366(y + 1)(y + 0.08619)

Aproximação do zero: s = f −1 (0) ≈ q(0) = 0.44200.

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 31 / 48

Sejam f : [a, b] → R e os nós x0 , x1 , . . . , xn em [a, b].

Qual o erro que se comete ao aproximar f (x ) por p(x )?

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 32 / 48

Teorema 7 (Diferenças divididas e derivadas)

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 33 / 48

Teorema 8 (Erro de interpolação)

Crispiniano Furtado e Olga Lima Interpolação 17 de maio de 2022 34 / 48

Majorante do erro absoluto

A expressão em (1) deve-se quando os nós estão ordenados de forma