UNIVERSIDADE AGOSTINHO NETO

FACULDADE DE ENGENHARIA
DEPARTAMENTO DE CIÊNCIAS BÁSICAS

2ª GUIA DE ESTUDO DE ANALISE NUMERICA

PARA CURSOS DE ENGENHARIA

Tema: Aproximação de funções. Interpolação polinomial. (Parte I)

Professor: Dr. Yosvany Pedroso González, PhD

Abril, 2020
Objetivo geral: Aproximar funções aplicando os métodos de interpolação polinomial:
Lagrange e Newton.
Conteúdos:
 Polinômio de colocação de Lagrange.
 Diferenças divididas. Formula de Newton com diferenças divididas.

Bibliografia Básica:
Álvarez, M. et all. (2003). Matemática Numérica. Editorial Félix Varela. La Habana.
Cuba. (pág. 142-222)

Bibliografía Complementaria:
1) Gomes, M.A.; Da Rocha, V.L. (1999). Calculo numérico. Aspectos teóricos e
computacionais. Pearson. www.pearson.com.br, Brasil. Capítulo 3 (pág. 154-177)
2) Suárez, M. (1983). Matemática Numérica. Editorial Pueblo y Educación, La Habana,
Cuba.
EXPLICAÇÃO NECESSÁRIA.
A presente guia de estudo tem o propósito dar continuidade aos estudos da disciplina
Analise Numérica. Neste caso apresentam-se os conteúdos relativos ao tema da
aproximação de funções através de interpolação polinomial utilizando diversos métodos.
A forma de apresentação de estes métodos é similar a utilizada na primeira guia de estudo,
observando as definições dos conceitos mais importantes como diferenças divididas e
finitas, bem como o estudo de relações fundamentais expressas nos teoremas formulados
e os procedimentos matemáticos necessários que expressam os métodos de interpolação
mais relevantes, entre eles: interpolação polinomial utilizando o polinômio de Lagrange
e as formulas de Newton.
O PROBLEMA DA APROXIMAÇÃO DE FUNÇÕES
O problema da aproximação de funções a uma função mais simples está relacionado com:
 A necessidade de substituir funções muito complicadas por outras mais simples, de
modo que podam realizar-se facilmente determinadas operações como a diferenciação
ou a integração.
 A comodidade de avaliar funções tabuladas para pontos intermédios.
Ditas situações fazem recorrer a aproximação de uma função na aqueles casos cuja
expressão analítica resulta muito complicada para o cálculo e requer-se de um elevado
número de operações para resolver um problema. Também quando temos uma tabela da
função e desconhecemos a equação que a define, contando somente com ditos valores.
As classes de funções mais comumente utilizadas são os polinômios e as funções
trigonométricas, exponenciais e racionais, mas a mais utilizada é a interpolação polinomial.
Aproximação de funções
O problema a enfrentar presenta a seguinte situação:
f: função a aproximar.
g: função aproximada
 : critério de aproximação.
Os critérios de aproximação mais relevantes são:
o A interpolação
o O desvio mínimo quadrática.
Vejamos a que concepção essencial responde cada uns deles:
Dentro do critério de interpolação a função aproximada pode escolher-se, entre outras,
das seguintes formas:
 Pelo polinômio de interpolação.
 Numa seção polinomial (funções de Lagrange; etc).
De maneira geral, interpolar um valor numa tabela ou obter uma função de interpolação
para representar outra expressada por um conjunto de valores discretos dados por uma
tabela são actividades básicas da interpolação.
Na interpolação polinomial podem apresentar-se dois casos:
a) Os dados estão igualmente espaceados - (x constante)
b) Os dados não estão igualmente espaceados - (x variável)
INTERPOLAÇÃO POLINOMIAL.
Uma das formas mais diretas da interpolação é mediante um polinômio interpolador,
sobre todo quando o grau deste não é muito alto. No caso de existir muitos pontos de
interpolação, é preferível utilizar polinômios por espaços e nos casos de requerimentos
adicionais os denominados “splines”.
Definição 1: A condição básica para que um polinômio P(x) seja um polinômio
interpolador para uma tabela
x x1 x2 . . . xn
y y1 y2 . . . yn

é que passe por todos os pontos da tabela, ou seja, 𝑷(𝒙𝒊 ) = 𝒚𝒊 , 𝒊 = 𝟏, 𝟐, ⋯ , 𝒏.

Dada uma função 𝑓(𝑥) que está definida pelo menos em 𝑛 + 1 pontos distintos
𝑥 0 , 𝑥 1 , ⋯ , 𝑥 𝑛 , e assumindo neles valores 𝑓 (𝑥 0 ) = 𝑦0 , 𝑓(𝑥 1 ) = 𝑦1 , ⋯ , 𝑓 (𝑥 𝑛 ) = 𝑦𝑛 ,
buscasse o polinômio que coincida em ditos pontos 𝑥 𝑖 (𝑖 = 1,2, ⋯ , 𝑛) como mostra o
seguinte gráfico.
Para representar o polinômio com tal propriedade, partimos da forma geral
𝑃(𝑥) = 𝑎1 + 𝑎2 𝑥 1 + 𝑎3 𝑥 2 + 𝑎4 𝑥 3 + . . . + 𝑎𝑛 𝑥 𝑛−1 , o abreviadamente:
𝑃(𝑥 ) = ∑𝑛𝑖=1 𝑎𝑖 𝑥 𝑛−1 = 𝑓 (𝑥 𝑖 ) = 𝑦𝑖
Polinômios de Lagrange.
Teorema 1
Existe um polinômio P(x) de grau n, e só um, que em 𝒏 + 𝟏 nó distintos 𝒙𝒊 (𝒊 =
𝟎, 𝟏, 𝟐, ⋯ , 𝒏) coincide com os valores da função 𝒇(𝒙𝒊 ) = 𝒚𝒊.

Os coeficientes 𝑎 𝑖 , i = 1, 2 , 3 . . . , n devem ser determinados de modo que 𝑃(𝑥 𝑖) = 𝑦𝑖

NOTA: Os pontos não precisam ser igualmente espaçados.
Considere os polinômios, de grado 𝑛 − 1, tais que para cada i, suas raízes sejam os 𝑛 − 1
restantes 𝑥 𝑖 , 𝑖 = 1 , 2 , 3 , . . . , 𝑛 .
Com isto formasse 𝑛 polinomios (denominados polinômios de Lagrange) que escrevem-
se assim:
𝑝1 (𝑥) = (𝑥 – 𝑥 2 ) (𝑥 – 𝑥 3 ) . . . (𝑥 − 𝑥 𝑛 )
𝑝2 (𝑥) = (𝑥 – 𝑥 1 ) (𝑥 – 𝑥 3 ) . . . (𝑥 − 𝑥 𝑛 )
............................
𝑝𝑛 (𝑥) = (𝑥 – 𝑥 1 ) (𝑥 – 𝑥 3 ) . . . (𝑥 − 𝑥 𝑛−1 )
Ou abreviadamente:
𝑛

𝑝𝑖 = ∏(𝑥 − 𝑥𝑗 ) , 𝑝𝑎𝑟𝑎 𝑖 ≠ 𝑗; 𝑖 = 1, 2, … , 𝑛
𝑗=1

Nota:
Observemos que o conjunto dos polinômios anteriores verifica as propriedades:
  𝑝𝑖 (𝑥𝑖 ) ≠ 0
 𝑝𝑖 (𝑥𝑗 ) = 0 para 𝑖 ≠ 𝑗
Dedução da fórmula de polinômio interpolador
O polinômio procurado 𝑃(𝑥), é de grau 𝑛 − 1 (como máximo) e passa pelos pontos
[(𝑥 𝑖 , 𝑦𝑖 ) , 𝑖 = 1,2 , . . . , 𝑛 ]. Vamos a propor sua forma como combinação linear dos
𝑝𝑖 (𝑥), onde 𝑖 = 1, 2, 3, . . . , 𝑛, ou seja:
𝑃(𝑥) = 𝑐1 𝑝1 (𝑥 ) + 𝑐2 𝑝2 (𝑥 ) + 𝑐3 𝑝3 (𝑥 ) + ⋯ + 𝑐𝑖 𝑝𝑖 (𝑥 ) + ⋯ + 𝑐𝑛 𝑝𝑛 (𝑥)
De forma compacta tem-se:
n
P ( x )   c i pi ( x )
i 1

Onde 𝑐𝑖 , 𝑖 = 1 , 2 , 3 . . . , 𝑛 são coeficientes a determinar de modo que verificam a

condição 𝑃(𝑥 𝑖 ) = 𝑦𝑖.
Para determinar o valor de cada 𝑐𝑖 , se considera 𝑥 = 𝑥𝑖 .
Deste modo tem-se que:
𝑃(𝑥 𝑖 ) = 𝑐1 𝑝1 (𝑥 𝑖 ) + 𝑐2 𝑝2 (𝑥 𝑖 ) + 𝑐3 𝑝3 (𝑥 𝑖 ) + ⋯ + 𝑐𝑖 𝑝𝑖 (𝑥𝑖 ) + ⋯ + 𝑐𝑛 𝑝𝑛 (𝑥 𝑖 )
Como 𝑝𝑖 (𝑥𝑗 ) = 0 para 𝑖 ≠ 𝑗, sómente ficará o termo 𝑃(𝑥 𝑖 ) = 𝑐𝑖 𝑝𝑖 (𝑥𝑖 ), onde:
𝑃 (𝑥 𝑖 )
𝑐𝑖 =
𝑝𝑖 (𝑥𝑖 )
Sabendo que 𝑃(𝑥 𝑖) = 𝑦𝑖, pode-se finalmente escrever:
𝑦𝑖
𝑐𝑖 =
𝑝𝑖 (𝑥𝑖 )
Substituindo os 𝑐𝑖 no polinômio 𝑃(𝑥), obtém-se a denominada fórmula de interpolação
de Lagrange:
𝑛
𝑦𝑖
𝑃 (𝑥) = ∑ ∙ 𝑝(𝑥 𝑖 )
𝑝𝑖 (𝑥𝑖 )
𝑖=1
𝑛
𝑝(𝑥 𝑖 )
𝑃 ( 𝑥 ) = ∑ 𝑦𝑖 ∙ [ ]
𝑝𝑖 (𝑥 𝑖 )
𝑖=1

O também com as seguintes notações:

(𝑥−𝑥 𝑗 )
𝐿 (𝑥 ) = ∑𝑛𝑖=1 𝑦𝑖 ∏𝑛𝑗=1 ( ; (1)
𝑥 𝑖−𝑥 𝑗)
𝑗≠𝑖

𝐿 (𝑥 ) = ∑𝑛𝑖=0 𝑙 𝑖 (𝑥) ∙ 𝑦𝑖, (2), onde:

( 𝑥−𝑥 0)( 𝑥−𝑥 1 ) ⋯( 𝑥−𝑥 𝑖−1 )( 𝑥−𝑥 𝑖+1 ) ⋯( 𝑥−𝑥 𝑛 )
𝑙 𝑖 (𝑥 ) = (
𝑥 𝑖 −𝑥 0 )( 𝑥 𝑖−𝑥 1 ) ⋯( 𝑥 𝑖 −𝑥 𝑖−1 )( 𝑥 𝑖−𝑥 𝑖+1 ) ⋯( 𝑥 𝑖−𝑥 𝑛)
Exemplo 1
Dados os valores de uma função:

x 1 3 7 8

y 1 9 49 64

Calcule: a) 𝑦(5) b) 𝑦 (2)

Solução: Para aplicar a formula (1):
(𝑥 − 𝑥 2 )(𝑥 − 𝑥 3 )(𝑥 − 𝑥 4 ) (𝑥 − 𝑥 1 )(𝑥 − 𝑥 3 )(𝑥 − 𝑥 4 )
𝑃(𝑥) = 𝑦1 + 𝑦2
(𝑥 1 − 𝑥 2 )(𝑥1 − 𝑥 3 )(𝑥1 − 𝑥 4 ) (𝑥 2 − 𝑥 1 )(𝑥2 − 𝑥 3 )(𝑥2 − 𝑥 4 )
(𝑥 − 𝑥 1 )(𝑥 − 𝑥 2 )(𝑥 − 𝑥 4 ) (𝑥 − 𝑥 1 )(𝑥 − 𝑥 2 )(𝑥 − 𝑥 3 )
+ 𝑦3 + 𝑦4
(𝑥 3 − 𝑥 1 )(𝑥3 − 𝑥 2 )(𝑥 3 − 𝑥 4 ) (𝑥 4 − 𝑥 1 )(𝑥4 − 𝑥 2 )(𝑥4 − 𝑥 3 )
Considerar a tabela de valores funcionais dados, na seguinte nova tabela:
x1 x2 x3 x4
x
1 3 7 8
1 9 49 64
y
y1 y2 y3 y4

a) Para calcular 𝑦(5), ou seja calcular o valor de 𝑦 para 𝑥 = 5 substituindo os valores

𝑥 𝑖 , 𝑦𝑖 na fórmula (1) tem-se:
𝑃 (5) = 1(5 − 3) (5 − 7) (5 − 8) /[ (1 − 3) (1 − 7) (1 − 8)] + . . . = 25
𝑦 (5) = 𝑃 (5) = 25
b) De igual forma para calcular 𝑦 (2):
𝑃 (2) = 1 (2 − 3) (2 − 7) (2 − 8) /[ (1 − 3) (1 − 7) (1 − 8)] + . . . = 4
𝑦( 2 ) = 𝑃 ( 2 ) = 4
Exemplo 2
Dada a função:
x 1 3 4 6
y -7 5 8 14
a. Obter a equação do polinômio aproximado para a função dada.
b. Calcular 𝑦(2)
Solução.
a.Como há quatro pontos assume-se 𝑛 = 3, então o grau do polinômio es 𝑃3 ≤ 3.
Tendo que:
𝐿 (𝑥 ) = ∑𝑛𝑖=0 𝑙 𝑖 (𝑥) ∙ 𝑦𝑖, obtemos que:
 (𝑥 − 𝑥 1 )(𝑥 − 𝑥 2 )(𝑥 − 𝑥 3 ) (𝑥 − 3)(𝑥 − 4)(𝑥 − 6)
𝑙 0 (𝑥) = =
(𝑥 0 − 𝑥 1 )(𝑥 0 − 𝑥 2 )(𝑥0 − 𝑥 3 ) (1 − 3)(1 − 4)(1 − 6)
(𝑥 − 𝑥 0 )(𝑥 − 𝑥 2 )(𝑥 − 𝑥 3 ) (𝑥 − 1)(𝑥 − 4)(𝑥 − 6)
𝑙 1 (𝑥 ) = =
(𝑥1 − 𝑥 0 )(𝑥1 − 𝑥 2 )(𝑥1 − 𝑥 3 ) (3 − 1)(3 − 4)(3 − 6)
(𝑥 − 𝑥 1 )(𝑥 − 𝑥 2 )(𝑥 − 𝑥 4 ) (𝑥 − 1)(𝑥 − 3)(𝑥 − 6)
𝑙2 = =
(𝑥 3 − 𝑥 1 )(𝑥3 − 𝑥2 )(𝑥3 − 𝑥 4 ) (4 − 1)(4 − 3)(4 − 6)
(𝑥 − 𝑥 1 )(𝑥 − 𝑥 2 )(𝑥 − 𝑥 3 ) (𝑥 − 1)(𝑥 − 2)(𝑥 − 4)
𝑙3 = =
(𝑥 4 − 𝑥 1 )(𝑥4 − 𝑥2 )(𝑥4 − 𝑥 3 ) (6 − 1)(6 − 3)(6 − 4)
Logo, aplicando (2) obtemos:
(
𝑥−3 𝑥−4 𝑥−6 )( )( )
𝑥−1 𝑥−4 𝑥−6 ( )( )( )
𝐿(𝑥) = ∑𝑛𝑖=0 𝑙 𝑖 (𝑥) ∙ 𝑦𝑖 = (−7) (1−3)(1−4)(1−6) + (5) (3−1) (3−4)(3−6) +
( 𝑥−1)( 𝑥−3)( 𝑥−6) ( 𝑥−1) (𝑥−2) ( 𝑥−4)
( 8) + (14) (
( 4−1)( 4−3)( 4−6) 6−1) ( 6−3)( 6−4)

𝑳(𝒙) = 𝟏/𝟓(𝒙𝟑 − 𝟏𝟑𝒙𝟐 + 𝟔𝟗𝒙 − 𝟗𝟐)

b.Para prognosticar o valor da função para 𝑥 = 2 buscasse 𝐿(2), pelo que resulta:
1 3 2
𝐿 ( 2) = (2 − 13(2)2 + 69(2) − 92) = = 𝑦(2)
5 5

𝜋 𝜋
Exemplo 3. Aproximar a função f(x)= cos x sobre o intervalo [− 2 , 2 ] mediante um

polinômio de interpolação.
Solução.
Uma forma razoável de aproximar a função f(x)= cos x é mediante um polinômio de
interpolação de Lagrange de grau menor ou igual que dos, 𝑝2 (𝑥), usando como nó os
𝜋 𝜋
números 𝑥 0 = − 2 , 𝑥 1 = 0 e 𝑥 2 = 2 .

𝑝2 (𝑥 ) = 𝑓(𝑥 0 )𝐿0 (𝑥 ) + 𝑓(𝑥 1 )𝐿1 (𝑥) + 𝑓 (𝑥 2 )𝐿2 (𝑥)

𝜋 𝜋
𝑓(𝑥 0 ) = 𝑐𝑜𝑠 (− ) = 0, 𝑓(𝑥 1 ) = 𝑐𝑜𝑠(0) = 1, 𝑓(𝑥 2 ) = 𝑐𝑜𝑠 ( ) = 0
2 2
Então 𝑝2 (𝑥 ) = 𝐿 1 (𝑥 ), onde
𝜋 𝜋 𝜋2
(𝑥 − 𝑥 0 )(𝑥 − 𝑥 2 ) (𝑥 + 2 ) (𝑥 − 2 ) 𝑥 2 −
𝐿 1 (𝑥 ) = = = 4 = 1 − 4 𝑥2
(𝑥 1 − 𝑥 0 )(𝑥1 − 𝑥 2 ) 𝜋 𝜋 𝜋2 𝜋2
( ) (− ) −
2 2 4
4
Por tanto o polinômio buscado é 𝑝2 (𝑥 ) = 1 − 𝑥2
𝜋2

A figura seguinte mostra as gráficas de 𝑦 = cos 𝑥 e do polinômio interpolador obtido

4
𝑝2 (𝑥 ) = 1 − 𝜋2 𝑥 2
 𝜋 𝜋
Como pode-se apreciar no intervalo dado [− 2 , 2 ] ditas gráficas tem praticamente o

mesmo comportamento, o que confirma a validez de aproximação da função 𝑦 = cos 𝑥

4
mediante o polinômio interpolador 𝑝2 (𝑥 ) = 1 − 𝜋2 𝑥 2 . Se usamos dito polinômio
𝜋
interpolador de Lagrange obtido 𝑝2 (𝑥 ), para aproximar 𝑓 (4 ) podemos comprovar que

𝜋 𝜋 √2
𝑓 ( ) = 𝑐𝑜𝑠 ( ) =
4 4 2
𝜋 𝜋 𝜋 4 𝜋 2
Mas, se calculamos substituindo 𝑓 (4 ) = 𝑐𝑜𝑠 (4 ) ≈ 𝑝2 (4 ) = 1 − 𝜋2 (4 ) = 0.75

Forma de Newton do polinômio interpolador.

Dados 𝑛 + 1 pontos (𝑥 0 , 𝑦0 ), (𝑥 1 , 𝑦1 ), … , (𝑥 𝑛 , 𝑦𝑛 ) com 𝑥 0 , 𝑥 1 , … , 𝑥 𝑛 números distintos
e 𝑦𝑘 = 𝑓(𝑥 𝑘), 𝑘 = 0, 1, 2, … , 𝑛 para alguma função 𝑓 definida num intervalo [𝑎, 𝑏] que
contem aos nó distintos 𝑥 0 , 𝑥 1 , … , 𝑥𝑛. O polinômio 𝑝𝑛 (𝑥 ) de grau menor ou igual que 𝑛
que interpola a 𝑓 nos dados, pode se expressar da forma:
𝑝𝑛 (𝑥) = 𝑏0 + 𝑏1 (𝑥 − 𝑥 0 ) + 𝑏2 (𝑥 − 𝑥 0 )(𝑥 − 𝑥1 ) + ⋯ + 𝑏𝑛 (𝑥 − 𝑥 0)(𝑥 − 𝑥1 ) … (𝑥 − 𝑥 𝑛−1 )
Para certas constantes 𝑏0 , 𝑏1 , … , 𝑏𝑛
Como determinar os coeficientes 𝑏0 , 𝑏1 , … , 𝑏𝑛?
Dado que 𝑝𝑛 (𝑥) = 𝑦𝑘 = 𝑓(𝑥 𝑘 ), 𝑘 = 0, 1, 2, … , 𝑛 então

 𝑝𝑛 (𝑥 0 ) = 𝑏0 = 𝑓(𝑥 0), assim que

𝑏0 = 𝑓(𝑥 0 )
 𝑝𝑛 (𝑥1 ) = 𝑏0 + 𝑏1 (𝑥1 − 𝑥 0) = 𝑓(𝑥 1), assim que
𝑓(𝑥 1 ) − 𝑓(𝑥 0 )
𝑏1 =
𝑥1 − 𝑥0
 𝑝𝑛 (𝑥 2 ) = 𝑏0 + 𝑏1 (𝑥2 − 𝑥0 ) + 𝑏2 (𝑥2 − 𝑥 0)(𝑥2 − 𝑥1 ) = 𝑓(𝑥 2 ), assim que
 𝑓( 𝑥 1 ) − 𝑓( 𝑥 0 ) (
𝑓( 𝑥 2 ) − 𝑓( 𝑥 0 ) − 𝑥2 − 𝑥0 )
𝑥1 − 𝑥0
𝑏2 =
(𝑥 2 − 𝑥 0 )(𝑥 2 − 𝑥 1 )

E depois de realizar o tecnicismo algébrico tem-se que:

𝑓(𝑥 2 ) − 𝑓 (𝑥1 ) 𝑓(𝑥 1 ) − 𝑓(𝑥 0 )
−
𝑥2 − 𝑥1 𝑥1 − 𝑥0
𝑏2 =
𝑥2 − 𝑥0
O restos dos coeficientes 𝑏3 ,𝑏4 , … , 𝑏𝑛 podem obter-se consecutivamente seguindo o método
anterior.
Para facilitar a escritura dos coeficientes 𝑏0 , 𝑏1 , … , 𝑏𝑛 do polinômio interpolador obtido
dessa maneira introduz-se a seguinte notação denominada diferença dividida para afrente ou
também diferença dividida progressiva de Newton.
Definição 2 (Diferença dividida progressiva de Newton). Dados 𝑛 + 1 pontos
(𝑥 0 , 𝑓(𝑥 0 )), (𝑥 1 , 𝑓 (𝑥1 )), … , (𝑥 𝑛 , 𝑓(𝑥 𝑛 )) com 𝑥 0 , 𝑥 1 , … , 𝑥 𝑛 números distintos e 𝑓 uma
função, define-se como:
a) A diferença dividida zero (0) de 𝑓 com relação a 𝑥 𝑘
𝑓[𝑥 𝑘 ] = 𝑓(𝑥 𝑘 ), 𝑘 = 0, 1, 2, … , 𝑛
Por tanto, para o polinômio interpolador 𝑝𝑛 (𝑥) , tem-se que 𝑏0 = 𝑓[𝑥 0 ]
b) A diferença dividida um (1) de 𝑓 com relação a 𝑥 𝑘 e 𝑥 𝑘+1
𝑓 [𝑥 𝑘+1 ] − 𝑓[𝑥 𝑘 ]
𝑓[𝑥 𝑘 , 𝑥 𝑘+1 ] = , 𝑘 = 0, 1, 2, … , 𝑛 − 1
𝑥𝑘+1 − 𝑥 𝑘
Observe que as diferenças divididas (1) dependem das diferenças dividas zero e
que, enquanto há 𝑛 + 1 diferenças divididas zero, então há 𝑛 diferenças dividas
um (1). Também observe que:
𝑓 [𝑥1 ] − 𝑓[𝑥 0 ]
𝑏1 = 𝑓[𝑥 0 , 𝑥 1 ] =
𝑥1 − 𝑥0

c) A diferença dividida dois (2) de 𝑓 com relação a 𝑥 𝑘, 𝑥 𝑘+1 e 𝑥 𝑘+2

𝑓[𝑥 𝑘+1 , 𝑥 𝑘+2 ] − 𝑓[𝑥 𝑘 , 𝑥 𝑘+1 ]
𝑓[𝑥 𝑘 , 𝑥 𝑘+1 , 𝑥 𝑘+2 ] = , 𝑘 = 0, 1, 2, … , 𝑛 − 1
𝑥 𝑘+2 − 𝑥 𝑘
Observe que as diferenças divididas dois dependem das diferenças divididas um
que, enquanto há diferenças divididas um, então há diferenças divididas dois.
Também observe que:
𝑓[𝑥 1 , 𝑥 2 ] − 𝑓 [𝑥0 , 𝑥 1 ]
𝑏2 = 𝑓[𝑥 0 , 𝑥 1 , 𝑥 2 ] =
𝑥2 − 𝑥0
d) Em geral, conhecidas as 𝑛 − (𝑖 − 1) + 1 = 𝑛 − 𝑖 + 2 diferenças divididas 𝑖 − 1 de 𝑓
com respecto a 𝑥 𝑘,𝑥 𝑘+1, . . . , 𝑥𝑘+𝑖−1, 𝑓[𝑥 𝑘 ,𝑥 𝑘+1 ,. . . , 𝑥 𝑘+𝑖−1 ], 𝑘 = 0, 1, … , 𝑛 − (𝑖 − 1)
definem-se as 𝑛 − 𝑖 + 1 diferenças divididas 𝑖 de 𝑓 com respecto a 𝑥 𝑘, 𝑥 𝑘+1 ,. . . , 𝑥 𝑘+𝑖:
𝑓[𝑥𝑘+1 ,𝑥𝑘+2 , … , 𝑥𝑘+𝑖 ] − 𝑓[𝑥𝑘 , 𝑥𝑘+1 , … , 𝑥𝑘+𝑖−1 ]
𝑓 [𝑥 𝑘, 𝑥 𝑘+1 , … , 𝑥 𝑘+𝑖 ] =
𝑥𝑘+𝑖 − 𝑥𝑘
𝑘 = 0, 1, … , 𝑛 − 1
Com esta notação de diferença dividida tem-se que 𝑏𝑖 = 𝑓[𝑥 0 , 𝑥 1 , … , 𝑥 𝑖 ] com
𝑖 = 0, 1, 2, … , 𝑛 e assim o polinômio interpolador toma a forma
𝑝𝑛 (𝑥) = 𝑓[𝑥 0 ] + 𝑓[𝑥 0 , 𝑥 1 ](𝑥 − 𝑥 0) + 𝑓[𝑥 0 , 𝑥 1 , 𝑥 2 ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + ⋯
+ 𝑓[𝑥 0 , 𝑥 1 , … , 𝑥 𝑛 ](𝑥 − 𝑥 0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛−1 )
Esta forma do polinômio interpolador se conhece como fórmula de diferença dividida
(progressiva) interpoladora de Newton ou simplesmente forma progressiva de
Newton do polinômio interpolador e usasse nos cálculos numéricos quando interpola-
se num ponto 𝑥 que está mais próximo de 𝑥 0 que de 𝑥 𝑛 (suponho-os ordenados os nó
𝑥 0 , 𝑥 1 , … , 𝑥 𝑛 ) . Se o ponto 𝑥, no qual vamos interpolar, está mais próximo de 𝑥 𝑛 que de
𝑥 0 , então usa-se a fórmula de diferença dividida (regressiva) interpolador de Newton:
𝑝𝑛 (𝑥) = 𝑓[𝑥 𝑛 ] + 𝑓[𝑥 𝑛−1 , 𝑥 𝑛 ](𝑥 − 𝑥 𝑛) + 𝑓[𝑥 𝑛−2 , 𝑥 𝑛−1 , 𝑥 𝑛 ](𝑥 − 𝑥𝑛 )(𝑥 − 𝑥 𝑛−1) + ⋯
+ 𝑓[𝑥 0 , 𝑥 1 , … , 𝑥 𝑛 ](𝑥 − 𝑥 𝑛)(𝑥 − 𝑥 𝑛−1) … (𝑥 − 𝑥1 )
É muito importante ter em conta que o polinômio progressivo e o polinômio regressivo
de Newton são equivalentes (sempre que os dados em uso sejam os mesmos), o que
acontece é que na formula progressiva o dado mais “forte” é 𝑓 [𝑥 0 ], enquanto que na
regressiva o dado mais “forte” é 𝑓[𝑥 𝑛 ].
No caso que o dado a interpolar este mais próximo ao nó central (ou aos nó centrais),
recomendam-se outras diferenças divididas chamadas centradas, que não estudaremos
neste curso.
A forma de Newton do polinômio interpolador é mais vantajoso que a forma de Lagrange,
fundamentalmente pela facilidade do cálculo dos coeficientes na forma de Newton
usando a informação anterior, o que não sucede com a forma de Lagrange.
Observe que para 𝑛 + 1 dados (𝑥 0 , 𝑓 (𝑥 0 )), (𝑥 1 , 𝑓(𝑥 1 )), … , (𝑥 𝑛 , 𝑓(𝑥 𝑛 )), a forma
progressiva de Newton do polinômio interpolador tem a seguinte propriedade:
𝑝𝑖 (𝑥) = 𝑝𝑖−1 (𝑥) + 𝑓[𝑥 0 , 𝑥 1 , … , 𝑥 𝑖 ](𝑥 − 𝑥 0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑖−1 ), 𝑖 = 2, 3, … , 𝑛
Uma propriedade análoga pode formular-se para a forma regressiva do polinômio interpolador de
Newton.
A seguinte tabela mostra as diferenças divididas que há que calcular para determinar os
coeficientes do polinômio interpolador de Newton.
 Diferenças Diferenças Diferenças
𝑘 𝑥𝑘 divididas 0 divididas 1 ... divididas 𝒏
𝑓( 𝑥 𝑘 ) = 𝑓 [ 𝑥 𝑘 ] 𝑓[𝑥 𝑘 , 𝑥 𝑘+1 ] 𝑓[ 𝑥 0 , … , 𝑥 𝑛 ]
0 𝑥0 𝑓[𝑥 0 ] = 𝑏0 𝑓[𝑥 0 , 𝑥 1 ] = 𝑏1 ... 𝑓 [𝑥0 , … , 𝑥 𝑛 ] = 𝑏𝑛
1 𝑥1 𝑓[ 𝑥 1 ] 𝑓[ 𝑥 1 , 𝑥 2 ] ...

2 𝑥2 𝑓[ 𝑥 2 ] 𝑓[ 𝑥 2 , 𝑥 3 ] ...

3 𝑥3 𝑓[ 𝑥 3 ] ⋮
⋮ ⋮ ⋮

𝑛−1 𝑥𝑛−1 𝑓[𝑥 𝑛−1 ] 𝑓 [𝑥 𝑛−1 , 𝑥 𝑛 ]

𝑛 𝑥𝑛 𝑓 [𝑥𝑛 ]

Observe que na mesma tabela podem se ler os coeficientes tanto da forma progressiva como
da forma regressiva de Newton do polinômio interpolador.
No caso particular 𝑛 = 1, a forma de Newton do polinômio interpolador é
𝑓(𝑥 1 ) − 𝑓(𝑥 0 )
𝑝1 (𝑥) = 𝑓[𝑥 0 ] + 𝑓[𝑥 0 , 𝑥 1 ](𝑥 − 𝑥 0 ) = 𝑓(𝑥 0 ) + (𝑥 − 𝑥 0 )
𝑥1 − 𝑥0
que coincide com a formula deduzida para 𝑝1 (𝑥 ) da forma de Lagrange do polinômio
interpolador. Lembre-se que o polinômio interpolador é único.
O erro na interpolação de Newton
Dada uma função 𝑓 definida no intervalo [𝑥 0 , 𝑥 1 ]. Se 𝑓 es continua em [𝑥 0 , 𝑥 1 ] e 𝑓′ existe
em (𝑥 0 , 𝑥 1 ), então o teorema do valor médio implica que existe 𝑥 ∈ (𝑥 0 , 𝑥 1 ), tal que
𝑓 ′ (𝑥 ) = 𝑓[𝑥 0 , 𝑥 1 ].
Em geral, pode demonstrar-se o teorema seguinte:
Teorema 2. Se 𝑓 é uma função de valor real definida sobre o intervalo [𝑎, 𝑏], 𝑛 vezes
continuamente diferençável em [𝑎, 𝑏] e 𝑥 0 , 𝑥 1 , … , 𝑥 𝑛 são números distintos em [𝑎, 𝑏],
então existe 𝜉 ∈ [𝑎, 𝑏] tal que
𝑓 (𝑛) (𝜉)
𝑓[ 𝑥 0 , 𝑥 1 , … , 𝑥 𝑛 ] =
𝑛!
Usando a formula anterior pode se obter uma expressão para estimar o erro ao aproximar
uma função 𝑓 mediante o polinômio interpolador de Newton 𝑝𝑛 (𝑥 ), a partir dos pontos
𝑥 0 , 𝑥 1 , … , 𝑥 𝑛 , 𝑥 como se indica a continuação.
Da formula do erro 𝐸 (𝑥 ), dada ao estudar a forma de Lagrange do polinômio interpolador,
temos que
(𝑥 − 𝑥 0 )(𝑥 − 𝑥 1 ) … (𝑥 − 𝑥 𝑛 ) (𝑛+1)
𝑓(𝑥 ) = 𝑝𝑛 (𝑥 ) + 𝑓 (𝜉(𝑥))
( 𝑛 + 1) !

𝐸 (𝑥 )
onde 𝜉(𝑥) é um número que depende de 𝑥 e 𝜉(𝑥) ∈ (𝑎, 𝑏)
De outro lado, usando a forma de Newton do polinômio interpolador de grau menor ou
igual que 𝑛 + 1 para 𝑓 nos nó 𝑥 0 , 𝑥 1 , … , 𝑥 𝑛 , 𝑥, temos que
 𝑓 (𝑥 ) = 𝑝𝑛+1 (𝑥 ) = 𝑝𝑛 (𝑥 ) + 𝑓[𝑥 0 , 𝑥 1 , … , 𝑥 𝑛 , 𝑥 ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛 )
Igualando as equações anteriores conclui-se que:

𝐸(𝑥 ) = 𝑓(𝑥 ) − 𝑝𝑛 (𝑥 ) = 𝑓[𝑥 0 , 𝑥 1 , … , 𝑥 𝑛 , 𝑥 ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛 )

A expressão resultante oferece uma fórmula alternativa para estimar o erro ao usar a fórmula de
interpolação de Newton.

Exemplo 4. Considere a seguinte tabela de dados

𝑥 𝑓 (𝑥 )
a) Determinar o polinômio interpolador de Newton 2.0 0.5103757
que contém todos os dados. 2.2 0.5207843
b) Obter uma aproximação de 𝑓(2.1) utilizando os 2.4 0.5104147
polinômios interpoladores de Newton mais 2.6 0.4813306
apropriados de grau 1, 2, 3 e 4. 2.8 0.4359160

Solução
a) Devemos obter o polinômio interpolador 𝑝𝑛 (𝑥) que contenha os valores dados, que
segundo a definição expressa-se da forma:
𝑝𝑛 (𝑥) = 𝑏0 + 𝑏1 (𝑥 − 𝑥 0 ) + 𝑏2 (𝑥 − 𝑥 0 )(𝑥 − 𝑥1 ) + ⋯ + 𝑏𝑛 (𝑥 − 𝑥 0)(𝑥 − 𝑥1 ) … (𝑥 − 𝑥 𝑛−1 )
Por tanto, a idea se reduze a determinar os valores 𝒃𝒊 para poder obter dito polinômio.
Para isso usemos a forma progressiva para determinar o polinômio interpolador de
Newton, escolhendo adequadamente os nó:
𝑥𝑘 𝑓( 𝑥 𝑘 )
2.0 0.5103757
2.2 0.5207843
2.4 0.5104147
2.6 0.4813306
2.8 0.4359160

O meio auxiliar que se utiliza é a tabela de diferenças divididas:

Diferenças Diferenças Diferenças
𝑘 𝑥𝑘 divididas 0 divididas 1 ... divididas 𝒏
𝑓( 𝑥 𝑘 ) = 𝑓 [ 𝑥 𝑘 ] 𝑓[𝑥 𝑘 , 𝑥 𝑘+1 ] 𝑓[ 𝑥 0 , … , 𝑥 𝑛 ]
...
0 𝑥0 𝑓[𝑥 0 ] = 𝑏0 𝑓[𝑥 0 , 𝑥 1 ] = 𝑏1 𝑓 [𝑥0 , … , 𝑥 𝑛 ] = 𝑏𝑛
1 𝑥1 𝑓[ 𝑥 1 ] 𝑓[ 𝑥 1 , 𝑥 2 ] ...

2 𝑥2 𝑓[ 𝑥 2 ] 𝑓[ 𝑥 2 , 𝑥 3 ] ...

3 𝑥3 𝑓[ 𝑥 3 ] ⋮
⋮ ⋮ ⋮
𝑛−1 𝑥𝑛−1 𝑓[𝑥 𝑛−1 ] 𝑓 [𝑥 𝑛−1 , 𝑥 𝑛 ]
𝑛 𝑥𝑛 𝑓 [𝑥 𝑛 ]
Para construir a tabela utilizamos a Definição 2 (Diferença dividida progressiva de Newton)
dada nos aspectos teóricos descritos anteriormente.
1º. Calculando as diferenças dividida zero.
Segundo a definição:
𝑓[𝑥 𝑘 ] = 𝑓(𝑥 𝑘 ), 𝑘 = 0, 1, 2, … , 𝑛
Por tanto, para o polinômio interpolador 𝑝𝑛 (𝑥) , tem-se que:
𝑓[𝑥 0 ] = 𝑓(𝑥 0 ) = 𝑓(2.0) = 0.5103757, de aqui obtemos o primeiro coeficiente 𝑏0
do polinômio, resultando que como 𝑏0 = 𝑓 [𝑥0 ], então 𝒃𝟎 = 𝟎. 𝟓𝟏𝟎𝟑𝟕𝟓𝟕
𝑓[𝑥 1 ] = 𝑓(𝑥1 ) = 𝑓(2.2) = 0.5207843
E assim sucessivamente até obter o valor de 𝑓 [𝑥4 ]
𝑓[𝑥 4 ] = 𝑓(𝑥 4 ) = 𝑓(2.8) = 0.4359160

2º. Calculando as diferenças divididas um.

Segundo a definição 2, a diferença dividida um 𝒇[𝒙𝒌 , 𝒙𝒌+𝟏 ] , com relação a 𝑥 𝑘 e
𝑥 𝑘+1 calcula-se como:
𝑓 [𝑥 𝑘+1 ] − 𝑓[𝑥 𝑘 ]
𝑓[𝑥 𝑘 , 𝑥 𝑘+1 ] = , 𝑘 = 0, 1, 2, … , 𝑛 − 1
𝑥𝑘+1 − 𝑥 𝑘
Como analisamos anteriormente as diferenças divididas (1) dependem das
diferenças dividas zero e que, enquanto há 𝑛 + 1 diferenças divididas zero, então
há 𝑛 diferenças dividas um (1). Por isso no exemplo que estamos a resolver como
há 5 diferenças zero, então há 4 diferenças divididas um. Então:
𝑓[ 𝑥 1 ] − 𝑓[ 𝑥 0 ]
𝑓[ 𝑥 0 , 𝑥 1 ] = = 𝑏1
𝑥1 − 𝑥0
𝑓 [2.2] − 𝑓[2.0] 0.5207843 − 0,5103757 0.0104086
𝑓[2.0, 2.2] = = =
2.2 − 2.0 0.2 0.2
= 0.052043
Por tanto, desta maneira já temos o valor de coeficiente 𝒃𝟏 = 𝟎. 𝟎𝟓𝟐𝟎𝟒𝟑
Seguindo o cálculo da outra diferença dividida um:
𝑓 [𝑥2 ] − 𝑓 [𝑥1 ]
𝑓[ 𝑥 1 , 𝑥 2 ] =
𝑥2 − 𝑥1
𝑓 [2.4] − 𝑓[2.2] 0.5104147 − 0.5207843 0.0103696
𝑓[2.2, 2.4] = = =−
2.4 − 2.2 2.4 − 2.2 0.2
= −0,051848
E assim sucessivamente até obter o valor da diferença dividida 𝑓 [𝑥 3 , 𝑥 4 ]
𝑓[𝑥 3 , 𝑥 4 ] = −0.227073
3º. Calculando as diferenças divididas dois.
Segundo a definição a diferença dividida dois (2) de 𝑓 com relação a 𝑥 𝑘, 𝑥 𝑘+1 e 𝑥 𝑘+2 ,
calcula-se:
𝑓[𝑥 𝑘+1 , 𝑥 𝑘+2 ] − 𝑓[𝑥 𝑘 , 𝑥 𝑘+1 ]
𝑓[𝑥 𝑘 , 𝑥 𝑘+1 , 𝑥 𝑘+2 ] = , 𝑘 = 0, 1, 2, … , 𝑛 − 1
𝑥 𝑘+2 − 𝑥 𝑘
Calculando:
𝑓[𝑥1 , 𝑥 2 ] − 𝑓[𝑥 0 , 𝑥 1 ]
𝑓[ 𝑥 0 , 𝑥 1 , 𝑥 2 ] =
𝑥2 − 𝑥0
𝑓[2.2, 2.4] − 𝑓[2.0, 2.2] −0.051848 − 0.052043
𝑓[2.0, 2.2,2.4] = =
2.4 − 2.0 0.4
0.103891
=− = −0.2597275
0.4
De forma análoga, como vimos anteriormente 𝒃𝟐 = −𝟎. 𝟐𝟓𝟗𝟕𝟐𝟕𝟓
Da mesma forma se podem obter o resto das diferenças divididas dois e três.
Construindo a tabela de diferenças divididas:

Como já temos os valores de 𝒃𝟎 = 𝟎. 𝟓𝟏𝟎𝟑𝟕𝟓𝟕, 𝒃𝟏 = 𝟎. 𝟎𝟓𝟐𝟎𝟒𝟑, 𝒃𝟐 =

−𝟎. 𝟐𝟓𝟗𝟕𝟐𝟕𝟓 e 𝒃𝟑 = −𝟎. 𝟐𝟓𝟗𝟕𝟐𝟕𝟓 já podemos escrever os polinômios de
interpolação de Newton: 𝑝𝑛 (𝑥) = 𝑏0 + 𝑏1 (𝑥 − 𝑥 0 ) + ⋯ + 𝑏𝑛 (𝑥 − 𝑥 0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥 𝑛−1 )
 De 1º grau:
𝑝1 (𝑥) = 𝑏0 + 𝑏1 (𝑥 − 𝑥 0 ) ⇒ 𝑝1 (𝑥) = 0,5103757 + 0,052043(𝑥 − 2.0)
 De 2º grau:
𝑝2 (𝑥) = 𝑏0 + 𝑏1 (𝑥 − 𝑥0 ) + 𝑏2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
𝑝2 (𝑥) = 0,5103757 + 0,052043(𝑥 − 2.0) + (−0.2597275)(𝑥 − 2.0)(𝑥 − 2.2)
b) Para obter uma aproximação de 𝑓(2.1) utilizemos os polinômios interpoladores de
Newton de grau 1 e 2 grau:
Como 𝑓(𝑥 ) ≈ 𝑝𝑛 (𝑥 ) então 𝑓(𝑥 ) ≈ 𝑝1 (𝑥 ), por tanto 𝑓(2.1) ≈ 𝑝1 (2.1),
𝑝1 (2.1) = 0.5103757 + 0.052043(2.1 − 2.0) = 0.5155800
∴ 𝒇(𝟐. 𝟏) ≈ 𝟎. 𝟓𝟏𝟓𝟓𝟖
De forma similar, como 𝑓(𝑥 ) ≈ 𝑝2 (𝑥 ), então 𝑓(2.1) ≈ 𝑝2 (2.1) = 0.5181773

∴ 𝒇(𝟐. 𝟏) ≈ 𝟎. 𝟓𝟏𝟖𝟏𝟕𝟕𝟑
ESTUDO INDEPENDENTE:
1. Propomos concluir no exemplo 4 a comprobação do cálculo das diferenças divididas
da tabela e encontrar os polinômios de interpolação de Newton de 3 e 4 grau.
2. A seguinte tabela de dados corresponde a valores da função 𝑓(𝑥 ) = 𝑒 𝑥

a. Aproxime 𝑓(0.25) usando interpolação linear com 𝑥0 = 0 e 𝑥1 = 0.5

b. Aproxime 𝑓(0.75) usando um polinômio que interpola os três primeiros nó.
c. Aproxime 𝑓(0.25) usando o polinômio de interpolação de Newton de grau menor
ou igual que três para os dados da função dada.
d. Qual das aproximações calculadas em c. é a melhor? Por qué?
3. A seguinte tabela corresponde a valores da função 𝑔(𝑥 ) = 𝑠𝑒𝑛 𝑥

a. Encontre uma aproximação de 𝑔(0.34) usando o polinômio de interpolação de

Lagrange de grau menor ou igual que três para os dados da função dada.
b. Encontre uma aproximação de 𝑔(0.34) usando o polinômio de interpolação de
Newton mais apropriado de grau menor ou igual que três.
c. Determine uma cota de erro para o erro em cada aproximação. Qual das
aproximações calculadas em a. e b. tem uma melhor precisão?
4. Use a forma de Lagrange do polinômio interpolador para encontrar os polinômios
interpoladores mais apropriados degrau um, dois e três para aproximar 𝑓 (0.2), a
partir dos seguintes dados:

5. Use a forma de Lagrange do polinômio interpolador e todos os dados da tabela

seguinte, para aproximar 𝑓(1.25). A função que se está a aproximar é a função
2
𝑓(𝑥 ) = 𝑒 𝑥 −1 . Use esta informação para encontrar uma cota teórica para o erro nesta
aproximação.

6. Encontre polinômios de 1º, 2º e 3º grau que tome os valores seguintes:

7. Encontre as formas de Lagrange e de Newton do polinômio interpolador para os
seguintes dados:

Escreva ambas formas como polinômios da forma 𝒂𝒙𝟐 + 𝒃𝒙 + 𝒄 e verifique que são
idênticos.