Teste Formativo II

Enunciado

1. Use o método de eliminação de Gauss para determinar a solução do sistema


 x1 − x 2 + x 3 = 0
x1 − 2x2 + x3 = 4 .
x2 + 2x3 = 0


2. Utilizando adaptações convenientes do Método de Eliminação de Gauss, re-

solva cada um dos sistemas seguintes:
2.1.     
1 2 1 −1 s1 1
 2 13 5 1   s2
    −1 
=
  4 ,
 
 1 5 6 2   s3
−1 1 2 4 s4 1
onde a matriz do sistema é simétrica.
Sugestão: Utilize o Algoritmo 3.5 do livro.
2.2.     
1 1 0 0 r1 1
 1 2 1 0   r2
    2 
  =  ,
 0 1 2 1   r3   0 
0 0 1 2 r4 1
onde a matriz do sistema é tridiagonal.
Sugestão: Utilize o Algoritmo 3.6 do livro.
3. Considere a matriz  
1 2 1
A =  2 5 4 .
1 4 6
3.1. Determine a decomposição LU de A.
3.2. Utilizando a decomposição obtida, calcule o determinante da matriz
A.
3.3. Determine de modo eficiente a solução de cada um dos sistemas se-
guintes:

Ax1 = (1 0 0)T , Ax2 = (0 1 0)T , Ax3 = (0 0 1)T .

1
 3.4. Verifique que A−1 = (x1 x2 x3 ).
4. Considere a matriz simétrica definida positiva
 
4 2 2
B =  2 2 2 .
2 2 3
4.1. Determine a decomposição de Choleski da matriz B.
4.2. Designando por l11 , l22 , l33 os elementos da diagonal da matriz L obtida
pela alı́nea anterior, verifique que o determinante da matriz B, det B,
é dado por
2 2 2
det B = l11 · l22 · l33 .
4.3. Resolva o sistema  
2
Bx =  0  .
−1
4.4. Recordando as alı́neas 3.3 e 3.4 do exercı́cio anterior, determine de um
modo eficiente a inversa da matriz B.
5. Prove que para todo o x ∈ Rn ,
kxk1 ≥ kxk2 ≥ kxk∞ .

Sugestão: Prove que kxk21 ≥ kxk22 e kxk22 ≥ kxk2∞ .

6. Determine o número de condição da matriz
 
1 −1 0
A =  −1 2 1 .
0 1 1.01
Comente sobre o condicionamento do problema de resolução de um sistema
de equações tendo A como matriz dos coeficientes,
Ax = b.

7. Dados uma função f definida em [a, b] ⊂ R e x0 , x1 , · · · , xn , n + 1 pontos

distintos em [a, b], a fórmula de Lagrange
(7.1) pn (x) = a0 L0 (x) + a1 L1 (x) + · · · + an Ln (x),
com
n
Y (x − xj )
(7.2) ai = f (xi ), Li (x) = , i = 0, 1, · · · , n.
j=0
(x i − x j )
j6=i

2
 define um polinómio de grau menor ou igual a n interpolador da função f
nos nós x0 , x1 , · · · , xn .
Começando por definir polinómios Li , i = 0, 1, · · · , n, de grau n tais que
½
1, i = j
Li (xj ) = ,
0, i 6= j

e o polinómio

pn (x) = f (x0 )L0 (x) + f (x1 )L1 (x) + · · · + f (xn )Ln (x),

deduza a fórmula de Lagrange (7.1), (7.2).

8. Considere a seguinte tabela de valores exactos de um polinómio f de grau 2:

x f (x)
−2 6
−1 2
0 −1
1 y

8.1. Construa a tabela de diferenças finitas. Qual o valor de ∆30 ?

8.2. Determine o valor de f (2).
8.3. Por recurso a interpolação polinomial calcule o valor de f ( 12 ). O valor
obtido é exacto ou aproximado? Justifique.

9. São dados os seguintes valores da função definida por

1 x 1 − cos t
Z
C(x) = dt, x ∈ [−1, 1] ,
x 0 t2

x C(x)
0.0 0.50000
0.2 0.49944
0.4 0.49778
0.6 0.49504
0.8 0.49122
1.0 0.48639

9.1. Construa a tabela de diferenças finitas relativa a estes valores.

9.2. Calcule C(0.12) usando interpolação, com a maior precisão possı́vel,
tendo em conta que os valores tabelados da função têm cinco algaris-
mos significativos.

3
10. Considere a função
f (x) = ln(x), x > 0.

10.1. Construa a tabela de diferenças finitas da função f a partir da tabela

de valores
x f (x)
3.2 1.1632
3.3 1.1939
3.4 1.2238
3.5 1.2528
3.6 1.2809

10.2. Utilizando interpolação polinomial calcule ln(3.26) com a maior pre-

cisão possı́vel, tendo em conta que os valores tabelados da função têm
cinco algarismos significativos.
10.3. Considere a função inversa da função f ,

g(x) = ex , x ∈ R.

A partir da tabela de valores seguinte e utilizando interpolação inversa,

calcule ln(3.26) com a maior precisão possı́vel. Estime o erro cometido.

x g(x)
1.1 3.0042
1.2 3.3201
1.3 3.6693
1.4 4.0552
1.5 4.4817
1.6 4.9530

11. Mostre que a função s definida por

½ 1 3 3 2
2
x + 2 x , −1 ≤ x ≤ 0
s(x) =
− 21 x3 + 32 x2 , 0 ≤ x ≤ 1

é uma função spline cúbica natural. Esboce a representação gráfica de s.

12. Considere a função

cx3 + dx + 1/9, 0 ≤ x ≤ 1/3

½
s(x) = .
bxk + ax2 , 1/3 ≤ x ≤ 1

Determine os valores de k, a, b, c e d para os quais a função s é uma função

spline cúbica natural.

4
13. Suponha que pretende interpolar a função definida por

f (x) = cos 2x

no intervalo [0, π] por uma função spline cúbica completa, em nós equidis-
tantes.
Qual a distância que deve ser escolhida entre os nós para que o erro de
interpolação não exceda 10−4 ?

5
 Teste Formativo II
Exemplo de resolução

1. A matriz ampliada do sistema é

 
1 −1 1 0
 1 −2 1 4  .
0 1 2 0

Ao fim do primeiro passo de eliminação obtém-se

 
1 −1 1 0
 0 −1 0 4  .
0 1 2 0

Ao fim do segundo passo de eliminação obtém-se

 
1 −1 1 0
 0 −1 0 4  .
0 0 2 4

Por substituição inversa calcula-se

4
x3 = =2
2
4
x2 = = −4
−1
x1 = 0 + (−4) − 2 = −6

2.

2.1. Neste exercı́cio apresenta-se um exemplo em que a matriz do sistema

A é simétrica. Trata-se de uma situação em que a simetria da matriz A
permite, em certas condições, uma adaptação do algoritmo do método
de eliminação de Gauss de modo a obter-se um outro algoritmo mais
eficiente (Algoritmo 3.5). Com efeito, prova-se que sendo a matriz A
simétrica, e não ocorrendo trocas de linhas durante o processo
de eliminação de Gauss, em cada passo k, k = 1, 2, 3, os blocos
formados pela intersecção das últimas 4 − k linhas e 4 − k colunas são
matrizes simétricas. É esta caracterı́stica das matrizes simétricas que

6
permite a simplificação referida do algoritmo do método de eliminação
de Gauss. Veremos como.
Consideremos a matriz ampliada do sistema:
 
1 2 1 −1 1
 2 13 5 1 −1 
 .
 1 5 6 2 4 
−1 1 2 4 1
Tomando os multiplicadores
a21
m21 = a11
= 2,
a31
m31 = a11
= 1,
m41 = −1,
os novos elementos da segunda linha da matriz ampliada são:
(1)
a22 = a22 − m21 a12 = 9,
(1)
a23 = a23 − m21 a13 = 3,
(1)
a24 = a24 − m21 a14 = 3,
(1)
b2 = b2 − m21 b1 = −3.
Para se determinarem os novos elementos das terceira e quarta linhas
ter-se-iam que calcular os coeficientes,
(1) (1) (1) (1)
a32 , a33 , a34 (b3 ),
(1) (1) (1) (1)
a42 , a43 , a44 (b4 );
no entanto, é aqui que a simetria da matriz A permite a primeira
simplificação. Como referimos, sendo simétrica a matriz que resulta
da intersecção das últimas 4 − 1 = 3 linhas e 3 colunas da matriz que
se obtém de A no final do primeiro passo, i.e.,
 (1) (1) (1) 
a22 a23 a24
 (1) (1) (1) 
 a32 a33 a34  ,
(1) (1) (1)
a42 a43 a44
tem-se, por definição de matriz simétrica, que
(1) (1)
a32 = a23 = 3,
(1) (1)
a42 = a24 = 3.
Logo, restam-nos determinar os coeficientes,
(1)
a33 ,
(1) (1)
a34 = a43 ,
(1)
a44 ,
(1) (1)
b3 , b 4 .

7
São eles,
(1)
a33 = a33 − m31 a13 = 5,
(1) (1)
a34 = a34 − m31 a14 = 3 = a43 ,
(1)
a44 = a44 − m41 a14 = 3,
(1)
b3 = b3 − m31 b1 = 3
(1)
b4 = b4 − m41 b1 = 2.
No final do primeiro passo obtém-se então a matriz,
 
1 2 1 −1 1
 0 9 3 3 −3 
 .
 0 3 5 3 3 
0 3 3 3 2
Vejamos agora o segundo passo de eliminação. Como o bloco que
resulta da intersecção das últimas 4 − 2 = 2 linhas e 2 colunas da
matriz que se obtém de A no final do segundo passo é simétrica,
à !
(2) (2)
a33 a34
(2) (2) ,
a43 a44
para o termo do segundo passo, bastará calcular os coeficientes seguin-
tes:
(2)
a33 ,
(2) (2)
a34 = a43 ,
(2)
a44 ,
(2) (2)
b3 , b 4 .
Tomando os multiplicadores,
(1)
a32
m32 = (1) = 13 ,
a22
(1)
a42
m42 = (1) = 13 ,
a22

tem-se então
(2) (1) (1)
a33 = a33 − m32 a23 = 4,
(2) (1) (1) (2)
a34 = a34 − m32 a24 = 2 = a43 ,
(2) (1) (1)
a44 = a44 − m42 a24 = 2,
(2) (1) (1)
b3 = b3 − m32 b2 = 4
(2) (1) (1)
b4 = b4 − m42 b2 = 3.
Obtém-se no final deste passo a matriz
 
1 2 1 −1 1
 0 9 3 3 −3 
 .
 0 0 4 2 4 
0 0 2 2 3

8
 Para o terceiro e último passo, toma-se o multiplicador
(2)
a43 1
m43 = (2)
= ,
a33 2

e obtém-se no final do passo a matriz

 
1 2 1 −1 1
 0 9 3 3 −3 
 ,
 0 0 4 2 4 
0 0 0 1 1

após o cálculo dos coeficientes,

(3) (2) (2)
a44 = a44 − m43 a34 = 1,
(3) (2) (2)
b4 = b4 − m43 b3 = 1.

Observe que durante o processo de eliminação não se efectu-

aram trocas de linhas.
Por substituição inversa determinam-se então,

s4 = 1,
4−2
s3 = 4
= 21 ,
−3−3−3/2
s2 = 9
= − 56 ,
s1 = 1 + 1 − 12 + 2 × 56 = 19
6
,

o que conclui o exercı́cio.

O algoritmo 3.5 só se pode aplicar quando não há necessidade de se efec-
tuarem trocas de linhas para garantir a estabilidade do método. Mais
precisamente, quando em cada passo de eliminação não há lugar a trocas
de linhas para escolher um pivot que assegure que todos os multiplica-
dores são em valor absoluto inferiores ou iguais a 1.

2.2. Nesta alı́nea apresenta-se um outro exemplo em que o tipo da matriz

do sistema conduz a uma simplificação do algoritmo do método de
eliminação de Gauss. Neste caso, a matriz do sistema A é tridiagonal.
Tal como acontece com as matrizes simétricas, prova-se que sendo a
matriz A tridiagonal, e não havendo lugar a trocas de linhas
durante o processo de eliminação, em cada passo k, k = 1, 2, 3,
os blocos formados pela intersecção das últimas 4 − k linhas e 4 − k

9
colunas são matrizes tridiagonais. Este facto origina um algoritmo
mais eficiente, Algoritmo 3.6. Vejamos como.
Consideremos a matriz ampliada do sistema,
 
1 1 0 0 1
 1 2 1 0 2 
 0 1 2 1 0 .
 

0 0 1 2 1

Sendo a matriz do sistema tridiagonal, observe que em cada passo só se

calcula um único multiplicador e dois novos coeficientes: um relativo
à matriz do sistema e outro associado ao vector coluna dos termos
independentes.
Para o primeiro passo, tome-se
l2 1
m1 = = = 1.
d1 1
Virá então
(1)
d2 = d2 − m1 u1 = 1,
(1)
b2 = b2 − m1 b1 = 1,
o que permite obter no final do primeiro passo a matriz
 
1 1 0 0 1
 0 1 1 0 1 
 0 1 2 1 0 .
 

0 0 1 2 1
Observe como nesta matriz o bloco resultante da intersecção das últi-
mas 4 − 1 = 3 linhas e 3 colunas é uma matriz tridiagonal.
Para o segundo passo toma-se o multiplicador

l3 (1) 1
m2 = (1)
= = 1,
d2 1
sendo os novos coeficientes,
(2) (1) (1)
d3 = d3 − m2 u2 = 2 − 1 × 1 = 1,
(2) (1) (1)
b3 = b3 − m2 b2 = 0 − 1 × 1 = −1.
Obtém-se no final deste passo a matriz
 
1 1 0 0 1
 0 1 1 0 1 
 .
 0 0 1 1 −1 
0 0 1 2 1

10
 Para o terceiro e último passo, tem-se o multiplicador

l4 (2) 1
m3 = = = 1,
d3 (2) 1

obtendo-se no final do passo a matriz

 
1 1 0 0 1
 0 1 1 0 1 
 ,
 0 0 1 1 −1 
0 0 0 1 2

após o cálculo dos coeficientes,

(3) (2) (2)
d4 = d4 − m3 u3 = 2 − 1 × 1 = 1,
(3) (2) (2)
b4 = b4 − m3 b3 = 1 − 1 × (−1) = 2.

Observe que durante o processo de eliminação não se efectu-

aram trocas de linhas.
Por substituição inversa determinam-se então,
2
r4 = = 2,
1
r3 = −1 − 2 = −3,
r2 = 1 − (−3) = 4,
r1 = 1 − 4 = −3,

como se pretendia.

O algoritmo 3.6 só se pode aplicar quando não há necessidade de se efec-
tuarem trocas de linhas para garantir a estabilidade do método. Mais
precisamente, quando em cada passo de eliminação não há lugar a trocas
de linhas para escolher um pivot que assegure que todos os multiplica-
dores são em valor absoluto inferiores ou iguais a 1.

3.

3.1. Comecemos por obter a primeira linha da matriz U . Tem-se

u11 = a11 = 1,
u12 = a12 = 2,
u13 = a13 = 1.

11
 Calculemos agora a primeira coluna da matriz L:
a21
l21 = u11
= 2,
a31
l31 = u11
= 1.

Determinemos de seguida a segunda linha da matriz U . Tem-se

u22 = a22 − l21 u12 = 1,

u23 = a23 − l21 u13 = 2.

Para a segunda coluna da matriz L obtém-se:

a32 − l31 u12
l32 = = 2.
u22
Finalmente, para a última linha da matriz U tem-se,
2
X
u33 = a33 − l3k uk3
k=1

= a33 − l31 u13 − l32 u23 = 1.

Donde,  
100
L = 2 1 0
121
e  
121
U = 0 1 2 .
001
3.2. Sendo o determinante da matriz produto LU (= A) igual ao produto
dos determinantes das matrizes L e U , tem-se

det A = det L · det U = 1 × 1 = 1,

em que o determinante da matriz triangular inferior L (respectiva-

mente, da matriz triangular superior U ) é igual ao produto dos ele-
mentos da diagonal de L (respectivamente, U ).
3.3. Seja o sistema

(3.1) Ax1 = (1 0 0)T .

Considerando a decomposição LU encontrada na alı́nea 3.1 e substi-

tuindo-a em (3.1) obtém-se,

LU x1 = (1 0 0)T .

12
Assim, escrevendo

(3.2) U x 1 = y1 ,

tem-se que

(3.3) Ly1 = (1 0 0)T ;

ou seja, para calcular a solução do sistema (3.1) basta resolver o sis-

tema (3.3) por substituição directa para determinar y1 , e depois re-
solver (3.2) por substituição inversa para obter x1 . É o que faremos
de seguida.
Reescrevendo o sistema (3.3),
    
100 y11 1
 2 1 0   y21  =  0  ,
121 y31 0

onde  
y11
y1 =  y21  ,
y31
por substituição directa obtém-se

y11 = 1,
y21 = −2,
y31 = 3.

Com o vector coluna y1 assim determinado estamos em condições de

passar à resolução do segundo sistema. Sendo ele,
   
121 1
 0 1 2  x1 =  −2  ,
001 3

e designando o vector coluna x1 por

 
x11
x1 = x21  ,

x31

por substituição inversa obtém-se,

x31 = 3
x21 = −8
x11 = 14.

13
 Fica assim concluida a resolução do primeiro sistema dado. Relati-
vamente aos outros dois, o raciocı́nio a seguir é exactamente igual.
Obter-se-á no final,
   
−8 3
x2 =  5  , x3 = −2  .

−2 1

3.4 Para provar que a matriz

 
14 −8 3
(x1 x2 x3 ) =  −8 5 −2 
3 −2 1

é a matriz inversa da matriz A, basta verificar que o produto desta

matriz pela matriz A é a matriz identidade de ordem 3:
    
14 −8 3 121 100
 −8 5 −2   2 5 4  =  0 1 0  .
3 −2 1 146 001

Este exercı́cio 3 ilustra como se pode obter de um modo eficiente o deter-

minante e a inversa de uma matriz invertı́vel a partir da sua decomposição
LU .

4.

4.1. Dada a matriz simétrica definida positiva B, determinemos pelo mé-

todo de Choleski a matriz triangular inferior L de elementos positivos
na diagonal tal que
B = LLT .
Comecemos por obter a primeira coluna da matriz L. Tem-se que
√
l11 = a11 = 2,
a21
l21 = l11
= 1,
a31
l31 = l11
= 1.

Para a segunda coluna obtém-se:

p
2
l22 = a22 − l21 = 1,
a32 − l21 l31
l32 = = 1.
l22

14
 Por último, o elemento da terceira coluna é dado por
v
u
u X2 q
2 2 2
l33 = a33 −
t l3k = a33 − l31 − l32 = 1.
k=1

Donde,  
2 0 0
L =  1 1 0 .
1 1 1
4.2. Atendendo a que o determinante da matriz transposta de uma matriz
quadrada C é igual ao determinante da própria matriz C, e aos as-
pectos sobre determinantes de matrizes oportunamente recordados na
alı́nea 3.2, tem-se que

det B = det L · det LT = det L · det L = (det L)2

= (l11 · l22 · l33 )2 = l11
2 2
· l22 2
· l33 .

Como l11 = 2, l22 = 1, l33 = 1, resulta então que

2 2 2
det B = l11 · l22 · l33 = 4.

4.3. A resolução deste exercı́cio faz-se por um raciocı́nio semelhante ao que

esteve presente na resposta à alı́nea 3.3. Com efeito, por substituição
da decomposição de Choleski da matriz B no sistema dado, tem-se a
equivalência desse sistema com o seguinte,
 
2
T
LL x =  0 .
−1

Escrevendo

(4.1) LT x = y,

tem-se que


2
(4.2) Ly =  0  ;
−1

ou seja, para resolver o sistema do enunciado basta resolver o sistema

(4.2) por substituição directa para determinar y, e depois resolver (4.1)
por substituição inversa para obter x.

15
 Designando por    
x1 y1
x = x2 , y = y2  ,
  
x3 y3
obtém-se para o sistema (4.2) a solução,
y1 = 1,
y2 = −1
y3 = −1;
e para o sistema (4.1),
x3 = −1,
x2 = 0
x1 = 1.
Conclusão, 
1
x= 0 
−1
é a solução pretendida.
4.4. Com as devidas adaptações, a resolução deste exercı́cio é inteiramente
análoga à das alı́neas 3.3 e 3.4. Também aqui se pretende resolver cada
um dos sistemas,
Bx1 = (1 0 0)T , Bx2 = (0 1 0)T , Bx3 = (0 0 1)T ,
para se concluir, posteriormente, que a matriz (x1 x2 x3 ) é a matriz
inversa da matriz B.
Vejamos o primeiro sistema. Sendo B = LLT , por substituição desta
decomposição no sistema Bx1 = (1 0 0)T obtém-se
LLT x1 = (1 0 0)T .
A resolução deste sistema é então equivalente à resolução de um pri-
meiro sistema por substituição directa:
(4.3) Ly1 = (1 0 0)T ,
(para determinar y1 ), seguida da resolução de um segundo sistema por
substituição inversa para determinar x1 :
(4.4) L T x1 = y 1 .

Notando por    
x11 y11
x1 =  x21  , y1 =  y21  ,
x31 y31

16
 obtém-se para o sistema (4.3) a solução
y11 = 21 ,
y21 = − 12 ,
y31 = 0;
e para o segundo, (4.4), a solução
x31 = 0,
x21 = − 12 ,
x11 = 21 .
Assim,    1 
x11 2
x1 =  x21  =  − 21  .
x31 0
A resolução dos restantes dois sistemas,
Bx2 = (0 1 0)T , Bx3 = (0 0 1)T ,
faz-se de modo inteiramente análogo. Obter-se-á,
 1  
−2 0
x2 =  2  , x3 = −1  .

−1 1

Para se provar que a matriz

1
− 12 0
 
2
(x1 x2 x3 ) =  − 12 2 −1  ,
0 −1 1
é a matriz inversa da matriz B basta verificar, tal como na alı́nea 3.4,
que o produto desta matriz pela matriz B é a matriz identidade de
ordem 3. De facto,
 1
− 12 0
    
2
422 100
 − 1 2 −1   2 2 2  =  0 1 0  ,
2
0 −1 1 223 001
o que prova o pretendido.

Este exercı́cio 4 mostra como se pode determinar de um modo eficiente o

determinante e a inversa de uma matriz matriz simétrica definida positiva
a partir da sua decomposição de Choleski.

17
5. Comecemos por provar que kxk1 ≥ kxk2 . Seja
 
x1
 x2 
x =  ..  .
 
 . 
xn

Tem-se

kxk21 = (|x1 | + |x2 | + . . . + |xn |)2

= (|x1 |2 + |x2 |2 + . . . + |xn |2 ) +
+2(|x1 ||x2 | + |x1 ||x3 | + . . . + |xn−1 ||xn |)
≥ |x1 |2 + |x2 |2 + . . . + |xn |2
= kxk22 .

Provemos agora que kxk2 ≥ kxk∞ . Tem-se

kxk22 = |x1 |2 + |x2 |2 + . . . + |xn |2

≥ ( max |xi |)2
1≤i≤n

= kxk2∞ .

6. O número de condição de A é dado por

cond(A) = kAk kA−1 k.

Tomemos a norma k k∞ . Tem-se

kAk∞ = max{|1| + | − 1| + |0|, | − 1| + |2| + |1|, |0| + |1| + |1.01|}

= 4.

Calculemos A−1 .
 
1 −1 0 1 0 0
 −1 2 1 0 1 0 →
0 1 1.01 0 0 1
 
1 −1 0 1 0 0
→ 0 1 1 1 1 0 →
0 1 1.01 0 0 1

18
  
1 −1 0 1 0 0
→  0 1 1 1 1 0 →
0 0 0.01 −1 −1 1
 
1 −1 0 1 0 0
→  0 1 1 1 1 0 . →
0 0 1 −100 −100 100
 
1 −1 0 1 0 0
→  0 1 0 101 101 −100  →
0 0 1 −100 −100 100
 
1 0 0 102 101 −100
→  0 1 0 101 101 −100 
0 0 1 −100 −100 100
Donde  
102 101 −100
A−1 =  101 101 −100 
−100 −100 100
e

kA−1 k∞ = max{|102| + |101| + | − 100|, |101| + |101| + | − 100|,

| − 100| + | − 100| + |100|}
= 303.

Assim
cond(A) = 4 × 303 = 1212.
Como o número de condição da matriz A é grande o problema de resolução
de um sistema de equações tendo A como matriz dos coeficientes é mal
condicionado.

7. Para cada i = 0, 1, · · · , n, defina-se o polinómio de grau n Li tal que

½
1, i = j
Li (xj ) = .
0, i 6= j

Considerando então o polinómio

(7.1) pn (x) = f (x0 )L0 (x) + f (x1 )L1 (x) + · · · + f (xn )Ln (x),

tem-se que pn é um polinómio de grau menor ou igual a n tal que

pn (xj ) = f (xj )Lj (xj ) = f (xj ),

19
para cada j = 0, 1, · · · , n; ou seja, e por definição, pn é um polinómio
interpolador da função f nos n + 1 nós distintos, x0 , x1 , · · · , xn ∈ [a, b].
Tendo cada polinómio Li n zeros, xj , j = 0, 1, · · · , n, j 6= i, Li é necessari-
amente da forma
n
Y
(7.2) Li (x) = K (x − xj ),
j=0
j6=i

para uma certa constante K. Como Li (xi ) = 1, resulta de (7.2) que

n
Y
(7.3) K (xi − xj ) = 1.
j=0
j6=i

Assim, como
Q por hipótese os pontos x0 , x1 , · · · , xn são distintos (o que con-
duz a que nj=0 (xi −xj ) 6= 0), podemos reescrever (7.3) de modo equivalente:
j6=i

1
K= n .
Y
(xi − xj )
j=0
j6=i

Logo,
n
1 Y
Li (x) = n (x − xj )
Y j=0
(xi − xj ) j6=i
j=0
j6=i

n
Y (x − xj )
= .
j=0
(xi − xj )
j6=i

Substituindo a expressão assim encontrada em (7.1), obtém-se então a

fórmula de Lagrange

pn (x) = a0 L0 (x) + a1 L1 (x) + · · · + an Ln (x),

com n
Y (x − xj )
ai = f (xi ), Li (x) = , i = 0, 1, · · · , n.
j=0
(xi − xj )
j6=i

8.

20
8.1. A tabela de diferenças finitas relativa aos valores dados da função f é

x f (x) ∆ ∆2 ∆3
−2 6
−4
−1 2 1
−3 y+3
0 −1 y+4
y+1
1 y

Como os valores tabelados são os valores exactos de um polinómio de

grau 2, tem-se ∆30 = 0. Isto é y + 3 = 0. Em particular, conclui-se que
y = −3.
8.2. Pretendendo-se calcular o valor de f (2), comece por observar que os
nós −1, −2, 0, 1 e 2 são equidistantes. Este aspecto permite simplificar
o cálculo de f (2). De facto, como os valores tabelados são os valores
exactos de um polinómio de grau 2, tem-se ∆k0 = 0 para todo o k ≥ 3.
Em particular ∆40 = 0. Tem-se então a situação seguinte:

x f (x) ∆ ∆2 ∆3 ∆4
−2 6
−4
−1 2 1
−3 ∆30 = 0
0 −1 1 ∆40 = 0
−2 ∆31
1 −3 ∆22
∆3
2 f (2)

Assim,

0 = ∆40 = ∆31 −∆30 =⇒ ∆31 = 0 =⇒ ∆22 = 1 =⇒ ∆3 = −1 =⇒ f (2) = −4.

8.3. Nesta alı́nea pretende-se determinar o valor de f num ponto não ta-
belado e não equidistante relativamente aos nós dados. Há então que
recorrer a interpolação polinomial para determinar o valor de f ( 12 ).
Por os valores tabelados para f serem os exactos e f ser um polinómio
de grau 2, qualquer polinómio interpolador de f em quaisquer 3 dos nós
dados coincide com f . Utilizando, por exemplo, a fórmula de Newton
com diferenças descendente e os nós −2, −1, 0, obtém-se o polinómio
s(s − 1) 2 s(s − 1)
p(−2 + s) = f (−2) + s∆0 + ∆0 = 6 − 4s + .
2 2

21
 Pelo anteriormente exposto, tem-se então f ( 21 ) = p( 12 ) = p(−2+2.5) =
6 − 10 + 15
8
= − 17
8
.

9.

9.1. A tabela de diferenças finitas relativa aos valores dados da função C é

x C(x) ∆ ∆2 ∆3 ∆4
0.0 0.50000
−0.00056
0.2 0.49944 −0.00110
−0.00166 0.00002
0.4 0.49778 −0.00108 −0.00002
−0.00274 0.00000
0.6 0.49504 −0.00108 0.00007
−0.00382 0.00007
0.8 0.49122 −0.00101
−0.00483
1.0 0.48639

9.2. Uma vez que as diferenças finitas de quarta ordem oscilam em torno
de zero dentro dos limites −23 10−5 e 23 10−5 vamos interpolar a
função por um polinómio de grau três, p3 . Para obter uma estimativa
para C(0.12) escolhemos os nós de interpolação 0.0, 0.2, 0.4 e 0.6.
Tomaremos
C(0.12) ≈ p3 (0.12).
Se x = 0.12 como h = 0.2 e x0 = 0.0 de x = x0 + sh vem s = 0.6.
Assim
0.6(0.6 − 1)
p3 (0.12) = 0.50000 + 0.6 × (−0.00056) + × (−0.00110) +
2
0.6(0.6 − 1)(0.6 − 2)
+ × 0.00002
3!
= 0.4997971.

Tem-se então C(0.12) ≈ 0.49980.

10.

10.1. A tabela de diferenças finitas relativa aos valores dados da função f

22
 é:
x f (x) ∆ ∆2 ∆3
3.2 1.1632
0.0307
3.3 1.1939 −0.0008
0.0299 −0.0001
3.4 1.2238 −0.0009
0.0290 0.0000
3.5 1.2528 −0.0009
0.0281
3.6 1.2809
10.2. Uma vez que as diferenças finitas de terceira ordem oscilam em torno
de zero dentro dos limites −22 10−4 e 22 10−4 , concluimos que as
diferenças de f nesta tabela se comportam como as diferenças de um
polinómio arredondado de grau 2. Assim, para se obter o valor de
f no ponto não tabelado 3.26, com a maior precisão possı́vel (face à
precisão dos valores tabelados), devemos usar interpolação quadrática.
Para isso aproximamos f por um polinómio de grau 2, p2 , escolhendo
para nós de interpolação 3.2, 3.3 e 3.4. Tomaremos

f (3.26) ≈ p2 (3.26).

Se x = 3.26, como h = 0.1 e x0 = 3.2, de x = x0 + sh vem s = 0.6.

Assim,

0.6(0.6 − 1)
p2 (3.26) = 1.1632 + 0.6 × 0.0307 + × (−0.0008)
2
= 1.181716.

Tem-se então
f (3.26) = ln(3.26) ≈ 1.1817,
com o erro

|R2 (3.26)| = | ln(3.26) − 1.1817|

≈ |(−0.0001) × (3.26 − 3.2) × (3.26 − 3.3) × (3.26 − 3.4)|
= 3.36 10−8 .

10.3. Vamos aproximar f (função inversa de g) por um polinómio interpo-

lador. Uma vez que os valores do argumento yi = g(xi ) não estão em
progressão aritmética, usaremos a fórmula de Newton com diferenças

23
 divididas para o polinómio interpolador.

yi xi = f (yi ) [, ] [, , ] [, , , ] [, , , , ] [, , , , , ]
3.0042 1.1
0.3166
3.3201 1.2 −0.0454
0.2864 0.0079
3.6693 1.3 −0.0371 −0.0014
0.2591 0.0059 0.0002
4.0552 1.4 −0.0303 −0.0010
0.2345 0.0043
4.4817 1.5 −0.0248
0.2122
4.9530 1.6

Então,
f (3.26) ≈ p4 (3.26),
em que

p4 (3.26) = 1.1 + 0.3166 × (3.26 − 3.0042)

+(−0.0454)(3.26 − 3.0042)(3.26 − 3.3201)
+0.0079 × (3.26 − 3.0042)(3.26 − 3.3201)(3.26 − 3.6693)
+(−0.0014)(3.26 − 3.0042)(3.26 − 3.3201)
·(3.26 − 3.6693)(3.26 − 4.0552)
= 1.181740956.

Tem-se assim
f (3.26) ≈ 1.1817,
com o erro

|R4 (3.26)| = | ln(3.26) − 1.1817|

≈ |0.0002(3.26 − 3.0042)(3.26 − 3.3201)(3.26 − 3.6693)
·(3.26 − 4.0552)(3.26 − 4.4817)|
≈ 1.2 10−6 .

11. A função s coincide com um polinómio de grau três em [−1, 0] e em [0,1] e

é contı́nua no ponto x = 0,

s(0− ) = s(0) = s(0+ ) = 0.

É portanto um polinómio segmentado de grau três contı́nuo em [−1, 1].

24
 Verifiquemos que s0 e s00 são contı́nuas em [−1, 1]. s0 é contı́nua em [−1, 0)
e em (0, 1] e tem-se
³3 ´
s0 (0− ) = x2 + 3x = 0,
2 x=0

3 ³ ´
s0 (0+ ) = − x2 + 3x = 0.
2 x=0

s00 é contı́nua em [−1, 0) e em (0, 1] e tem-se

s00 (0− ) = (3x + 3)x=0 = 3,

s00 (0+ ) = (−3x + 3)x=0 = 3.

Verificam-se as condições de fronteira

s00 (−1) = (3x + 3)x=−1 = 0 e s00 (1) = (−3x + 3)x=1 = 0.

Logo s é uma função spline cúbica natural.

y

x
-1 0 1

12. Para que a função

cx3 + dx + 1/9, 0 ≤ x ≤ 1/3

½
s(x) =
bxk + ax2 , 1/3 ≤ x ≤ 1

seja uma spline cúbica natural tem que se ter, antes de mais, k = 3.
Sendo s um polinómio de grau três em cada intervalo [0, 1/3], [1/3, 1], s, s0 e
s00 são funções contı́nuas em [0, 1/3) e (1/3, 1]. Para garantir a continuidade
de s, s0 , s00 em todo o intervalo [0, 1], há então que garantir que
³ 1 −´ ³1´ ³ 1 +´
(12.1) s =s =s ,
3 3 3

³ 1 −´ ³ 1 +´
(12.2) s0 = s0 ,
3 3

25
 ³ 1 −´ ³ 1 +´
(12.3) s00 = s00 ,
3 3
o que se traduz, respectivamente, por
³ 1 ´3 d 1 ³ 1 ´3 1
(12.10 ) c + + =b + a( )2 ,
3 3 9 3 3

³ 1 ´2 ³ 1 ´2 1
(12.20 ) 3c + d = 3b + 2a · ,
3 3 3

1 1
(12.30 ) 6c · = 6b · + 2a.
3 3
Para que a função s seja uma spline cúbica natural, há que verificar ainda

s00 (0) = 0, s00 (1) = 0,

ou seja,
s00 (0) = s00 (0+ ) = (6cx)x=0 = 0,
e

(12.4) 0 = s00 (1) = s00 (1− ) = (6bx + 2a)x=1 = 6b + 2a.

Combinando (12.10 ), (12.20 ), (12.30 ) e (12.4), resta então resolver o sistema

de quatro equações a quatro incógnitas:
     
26 0 0 a 0
 2 2 −2 0   b   0 
2 1    =  .

3 3
− 31 −1   c   0 
1 1 1
9 27
− 27 − 13 d 1
9

Obtém-se pelo método de eliminação de Gauss,

a = −3, b = 1, c = −2, d = −1.

Conclusão, para os valores

k = 3, a = −3, b = 1, c = −2, d = −1,

a função s dada define uma spline cúbica natural.

13. O erro de interpolação verifica

5 4
max |f (x) − s(x)| ≤ h M4 ,
x∈[0,π] 384

26
onde
M4 = max |(cos 2x)(4) |
x∈[0,π]

e h é a distância entre nós consecutivos.

Calculemos M4 . Tem-se (cos 2x)(4) = 16 cos 2x e

max |16 cos 2x| = 16.

x∈[0,π]

Donde de
5 4
h × 16 < 10−4 ,
384
isto é,
h4 < 4.8 10−4 ,
vem h < 0.14 . . .

27