Escolar Documentos
Profissional Documentos
Cultura Documentos
1. Funções definidas por uma única expressão algébrica definida para todo o intervalo
[x0, xn]. Por exemplo: funções polinomiais ou racionais.
2. Funções definidas por mais de uma expressão algébrica, que podem ser chamadas de
funções definidas por partes, pois, para cada subintervalo [x0, xn], [x1, x2], ..., [xn-1,
xn] ela é definida. Por exemplo, spline linear (funções polinomiais de grau 1) ou
spline cúbico (funções polinomiais de grau 3).
Interpolação Polinomial
O método consiste em determinar um polinômio interpolador que passe por
todos os nodos de interpolação, ou seja,
Queremos mostrar que existe um, e somente um, polinómio que satisfaz as
condições dadas em acima com grau m ≤ n, em que n é dito ordem de
interpolação.
Assim sendo, devemos determinar os coeficientes c0, c1, ..., cn-1 do polinômio
Interpolação Polinomial
Das equações apresentadas, obtemos o sistema de equações lineares nas
incógnitas c0, c1, ..., cn-1, que, resolvidas simultaneamente, nos permitem
calcular os coeficientes do polinômio que queremos determinar.
Solução:
Para encontrar o polinômio interpolador que passa pelos pontos dados, primeiro
precisamos construir o sistema de equações lineares correspondente. Como
temos três pontos de dados, nosso polinômio interpolador terá grau dois.
Portanto, podemos expressar o polinômio interpolador na forma:
Portanto, o polinômio interpolador que passa pelos pontos dados é dado por:
p(x) = 2 + x + 0x^2 = 2 + x
Para encontrar o polinômio interpolador que passa pelos pontos (1, 3), (2, 5) e (3, 7)
em Python, podemos utilizar o pacote NumPy. Segue abaixo o código para calcular o
polinômio interpolador:
import numpy as np
# Definindo os pontos
x = np.array([1, 2, 3])
y = np.array([3, 5, 7])
Pelo motivo exposto, esse método não é utilizado para fazer uma
interpolação polinomial, por isso, vamos aprender alternativas que são
mais adequadas para efetuar a implementação computacional.
ESCOLHA DOS PONTOS PARA INTERPOLAÇÃO
tais que
ESCOLHA DOS PONTOS PARA INTERPOLAÇÃO
A partir do terceiro ponto, a escolha deve ser feita calculando a menor distância do ponto a
interpolar para os pontos
Visão Computacional
Denavit Hartenberg
Descrição geométrica
da lógica dos
polinômios de
Lagrange usando um
caso de primeiro grau.
Polinômios interpoladores de lagrange
Da mesma forma que o polinômio de grau 1, podemos interpolar uma
parábola através de três pontos. Três parábolas seriam usadas, com
cada uma passando através de um dos pontos e igualando a zero
nos outros dois pontos. Assim, a soma delas daria a única parábola que
interpolaria os três pontos, que é escrita da seguinte forma:
em que
# Configurando o gráfico
plt.title('Polinômio Interpolador de Lagrange')
plt.xlabel('X')
plt.ylabel('Y')
plt.legend()
# Mostrando o gráfico
plt.show()
Utilize um sensor para coletar dados de temperatura de um ambiente. Coletar, por exemplo, 5 valores de
temperatura em intervalos regulares de tempo.
Use o polinômio interpolador obtido para estimar a temperatura em um momento intermediário a partir dos
dados coletados. Por exemplo, suponha que você coletou dados de temperatura em intervalos de 10
minutos e quer estimar a temperatura em um momento que ocorreu 5 minutos após a última leitura.
0 20.0
10 21.5
20 23.0
30 25.0
40 27.0
Fontes de dados abertos
Dados climáticos - O National Centers for Environmental Information (NCEI) fornece dados climáticos para
várias cidades dos EUA. Os dados incluem informações sobre temperatura, precipitação e outras variáveis
climáticas que podem ser utilizadas para criar modelos de interpolação polinomial.
Dados de preços de ações - O Yahoo Finance fornece dados históricos de preços de ações para várias
empresas. Esses dados podem ser utilizados para criar modelos de interpolação polinomial que ajudem a
prever o preço futuro das ações.
Dados de população - O World Bank fornece dados sobre a população de vários países. Esses dados podem
ser utilizados para criar modelos de interpolação polinomial que ajudem a prever a população futura dos países.
Dados de tráfego - O Bureau of Transportation Statistics fornece dados sobre o tráfego em várias estradas dos
EUA. Esses dados podem ser utilizados para criar modelos de interpolação polinomial que ajudem a prever o
fluxo de tráfego em determinadas áreas.
Dados de consumo de energia - A US Energy Information Administration fornece dados sobre o consumo de
energia em vários setores da economia. Esses dados podem ser utilizados para criar modelos de interpolação
polinomial que ajudem a prever o consumo futuro de energia.
Exercicio
Explore o repositório de dados abertos e use o excel
para interpolar os dados. Após isso, crie um programa
em python utilizando o polinômio interpolador para fazer
previsões.
Dúvidas?