05 Interpolacao

Interpolação
Prof. Wellington Passos de Paula

wpassos@ufsj.edu.br
Programa
1. Introdução
2. Métodos de Interpolação
a) Linear
b) Quadrática
c) Lagrange
d) Newton
e) Gregory – Newton
3. Interpolação Inversa
4. Estudo do Erro
5. Grau do Polinômio Interpolador
6. Funções Splines
Interpolação
Introdução

wpassos@ufsj.edu.br
Introdução
 Muitas funções são conhecidas apenas em um conjunto
finito e discreto de pontos de um intervalo [a,b]
 Exemplo: A tabela abaixo informa o número de carros

que passam por um determinado pedágio em um
determinado dia
Horário 10:00 11:00 12:00 13:00 14:00 15:00
Quantidade
Carros (x1000) 2,69 1,64 1,09 1,04 1,49 2,44
 A partir dos dados acima, suponhamos que se queira

calcular o número de carros que passariam pelo
pedágio às 11:30
Introdução
 A interpolação tem o objetivo de ajudar na resolução
deste tipo de problema
 Interpolar uma função y = f(x), em um conjunto discreto

de pontos, pertencentes a um intervalo [a, b], consiste
em substituí-la, ou aproximá-la, por uma outra
função, y = g(x), escolhida dentro de uma classe de
funções definida a priori e que satisfaça algumas
propriedades. A função y = g(x) é, então, usada no
lugar da função y = f(x)
Introdução
 A necessidade de efetuar esta substituição surge em
várias situações, como por exemplo:
 Quando y = f(x) não é conhecida na sua forma analítica,
nas apenas em um conjunto discreto de pontos
(xi, yi), i = 0, 1, ..., n
 Quando y = f(x) é conhecida na sua forma analítica, mas

operações como a diferenciação e a integração são
difíceis (ou impossíveis) de realizar, ou seja, a função é
difícil de ser tratada.
 Logo, podemos procurar uma outra função que seja uma
aproximação y = f(x) e cujo manuseio seja bem mais
simples
Introdução
 Teoricamente, a função interpoladora, y = g(x), pode ser
de tipos variados, tais como:
 polinomiais
 trigonométricas
 exponenciais
 logarítmicas
 Porém, consideraremos apenas o estudo das funções

polinomiais
Conceito Formal de Interpolação Numérica
 Consideremos (n+1) pontos distintos: x0, x1, ..., xn,
chamados nós da interpolação, e os valores de f(x)
nesses pontos: f(x0), f(x1), ..., f(xn)
 Uma forma de interpolação de f(x) consiste em

obtermos uma determinada função g(x) tal que:
g ( x0 )  f ( x0 )
g ( x1 )  f ( x1 )
g ( x2 )  f ( x2 )

g ( xn )  f ( xn )
Conceito Formal de Interpolação Numérica
 Graficamente, para n=5 temos (6 pontos), temos:
 Nos nós da interpolação as funções f(x) e g(x)

assumem os mesmos valores!
Interpolação Polinomial
 Dados os pontos (x0, f(x0)), (x1, f(x1)), ..., (xn, f(xn)),
portanto (n+1) pontos, queremos aproximar f(x) por um
polinômio pn(x) de grau menor ou igual a n, tal que:
f(xk) = pn(xk) k = 0,1, 2 , …. , n
 Representaremos pn(x) por:

pn ( x)  a0  a1 x  a2 x  ...  an x
2 n
 Portanto, obter pn(x) significa obter os coeficientes a0,

a1, ..., an
 Surgem então as seguintes perguntas:
 Existe sempre um polinômio que satisfaça as condições
anteriores?
 Caso exista, ele é único?
Teorema:
Existe um único polinômio pn(x) de grau ≤ n, tal que
pn(xk) = f(xk), k = 0,1, 2 , …. , n desde que xk ≠ xj, j ≠ k
 Demonstrando o Teorema:
Seja pn ( x)  a0  a1 x  a2 x 2  ...  an x n
Da condição pn ( xk )  f ( xk ),  k  0, 1, 2, ..., n ,
montamos o seguinte sistema linear:
a0  a1 x0  a2 x02  ...  an x0n  f ( x0 )


a 
 0 1 1 2 1
a x  a x 2
 ...  a n 1  f ( x1 )
x n

     
a  a x  a x 2  ...  a x n  f ( x )
 0 1 n 2 n n n n
com n+1 equações e n+1 incógnitas a0, a1, ..., an

 Demonstrando o Teorema:
Da notação Matricial temos: v x a = f
1 x0 x02  x0n   a0   f ( x0 ) 
 2 n a   f (x )
 1 x1 x1  x1   1  1 
v , a e f 
        
 n    
1 xn xn  xn 
2
 an   f ( xn ) 
onde V é uma matriz de Vardermonde e, portanto, desde
que x0, x1, x2, …, xn sejam pontos distintos, temos det(v) ≠ 0.
Logo, o sistema linear admite solução única. A matriz
coluna a é a matriz das incógnitas e a matriz coluna f é a
matriz das constantes f(xi) = yi
 Existem várias formas de obtermos o polinômio pn(x)
 Linear
 Quadrática
 Lagrange
 Newton
 Gregory – Newton , etc
Interpolação
Interpolação Linear

wpassos@ufsj.edu.br
 Dados dois pontos distintos de uma função y = f(x) :
(x0, y0) e (x1, y1), desejamos calcular o valor de ӯ para
um determinado valor de x entre x0 e x1, utilizando a
interpolação polinomial
 O polinômio interpolador é uma unidade menor que o

número de pontos conhecidos
 Assim, nesse caso, o polinômio interpolador terá grau 1,

ou seja:
p1(x) = a0 + a1x
 Para determinar este polinômio, os coeficientes a0 e a1
devem ser calculados de forma que tenhamos:
p1(x0) = f(x0) = y0 e p1(x1) = f(x1) = y1
 Ou seja, basta resolver o sistema linear abaixo:
a0  a1 x0  y0
 onde a1 e a0 são as incógnitas
 a0  a1 x1  y1
 Reescrevendo o sistema na forma matricial, temos:
1 x0  a0   y0 
1 x    a    y 
 1  1  1
 Transformando em um sistema triangular equivalente
(utilizando a Eliminação de Gauss), temos:
1 x0 y0  1 x0 y0 
1 x    
 1 y1  0 x1  x0 y1  y0 
 a0  a1 x0  y0

 a1  x1  x0   y1  y0
 A solução do sistema é dada por:

y1  y0
a1  e a0  y0  a1 x0
x1  x0
 Logo, o polinômio interpolador pode ser escrito da
seguinte forma:
p1 ( x)  a0  a1 x  ( y0  a1 x0 )  a1 x  y0  a1 ( x  x0 )
ou, de forma mais apropriada:
y1  y0
p1 ( x)  y0  ( x  x0 )
x1  x0
 O determinante da matriz A é diferente de zero, sempre
que x0 ≠ x1, logo para pontos distintos o sistema tem
solução única
 O polinômio interpolador p1(x) = a1x+ a0 tem como

imagem geométrica uma reta, portanto a função f(x)
está sendo aproximada por uma reta que passa pelos
pontos conhecidos (x0, y0) e (x1, y1)
 O gráfico abaixo, mostra geometricamente, os dois
pontos (x0, y0) e (x1, y1), e a reta que passa por eles.
 Exemplo: Seja a função y = p1(x) definida pelos pontos
da tabela abaixo, determinar o valor de p1(15):
i 0 1
x 10 20
y = f(x) 250 432
Solução:
y1  y0
Aplicando a fórmula p1 ( x)  y0  ( x  x0 ) temos:
x1  x0
432  250
p1 ( x)  250  ( x  10)  18,2 x  68
20  10
Logo: p1 (15)  18,2 15  68  341
Interpolação
Interpolação Quadrática

wpassos@ufsj.edu.br
 Se conhecermos três pontos distintos de uma função,
então o polinômio interpolador será:
p2(x) = a2x2 + a1x + a0
 O polinômio p2(x) é conhecido como função quadrática

cuja imagem geométrica é uma parábola
 Portanto, a função f(x) é aproximada por uma parábola

que passa pelos três pontos conhecidos (x0, y0), (x1, y1)
e (x2, y2)
 Para determinar os valores de a0, a1 e a2 é necessário
resolver o sistema:
a0  a1 x0  a x  y0
2
2 0

 a0  a1 x1  a2 x1  y1
2

 a 0  a1 x 2  a 2 x 2
2  y 2
onde a1, a0 e a2 são as incógnitas e os pontos (x0, y0),

(x1, y1) e (x2, y2) são conhecidos.
 Reescrevendo o sistema na forma matricial, temos:
1 x0 x 2
0
  a0   y 0 
     
   a1    y1 
2
1 x1 x 1
1 x2 x  a2   y2 
2
 2
 O sistema acima admite solução única, pois

det(X) = (x2 –x0) (x2 – x1)(x1 – x0) ≠ 0. Logo, pelos três
pontos ordenados passa um único polinômio
interpolador de 2° grau
 Para encontrar os coeficientes ai, basta resolver
o sistema de equações ( Eliminação de Gauss,
Decomposição LU, Método de Gauss-Jacobi, Método
de Gauss-Seidel, etc )
da tabela abaixo, determinar o valor de p2(0,2):
i 0 1 2
x 0,1 0,6 0,8
y = f(x) 1,221 3,320 4,953
Solução:
Montando o sistema linear:
 a0  a1 0,1  a2 0,12  1,221



 0 1
a a 0 , 6  a 2 0, 6 2
 3,320

a 
 0 1 a 0 ,8  a 2 0,8 2
 4,953
i 0 1 2
x 0,1 0,6 0,8
y = f(x) 1,221 3,320 4,953
Solução:
Montando o sistema linear:
1 0,1 0,12  a0  1,221 

 2    
1 0,6 0,6    a1   3,320
1 0,8 0,82  a2  4,953
 
i 0 1 2
x 0,1 0,6 0,8
y = f(x) 1,221 3,320 4,953
Solução:
Aplicando a Eliminação de Gauss ao sistema,
chegaremos ao seguinte sistema triangular superior:
1 0,1 0,01 1,221   a0  0,1a1  0,01a2  1,221

0 0,7 0,63 3,733   0,7 a1  0,63a2  3,733
  
0 0  0,1 0,567    0,1a2  0,567
i 0 1 2
x 0,1 0,6 0,8
y = f(x) 1,221 3,320 4,953
Solução:
Resolvendo o sistema triangular superior, encontramos:
a2 = 5,667; a1 = 0,231; a0 = 1,141
Logo o polinômio terá a seguinte forma:
p2 ( x)  1,141  0,231x  5,667 x 2

i 0 1 2
x 0,1 0,6 0,8
y = f(x) 1,221 3,320 4,953
Solução:
Calculando o valor de p2(0,2)
p2 (0,2)  1,141  0,231 0,2  5,667  0,2 2

p2 (0,2)  1,414
Interpolação Linear/Quadrática
 Exercício: Dados os pontos abaixo, encontre:
i 0 1 2
x 3 9 20
y = f(x) 1,5 4,5 6,0
a) O polinômio interpolador de ordem 2 (Parábola) que

ajusta os pontos acima, utilizando o método de Gauss
para triangularizar o sistema de equações
Resposta: p2(x) = -0,5775 + 0,7567x – 0,0214x2
b) O polinômio de ordem 1 ( reta ) que ajusta os pontos

x0 e x2
Resposta: p1(x) =0,7059 + 0,2647x
Interpolação
Interpolação de Lagrange

wpassos@ufsj.edu.br
 As interpolações vistas anteriormente são casos
particulares da interpolação de Lagrange. Vamos
estudar agora o polinômio interpolador de grau menor
ou igual a n, sendo dados n + 1 pontos distintos
 Sejam x0, x1, x2, ..., xn, ( n + 1 ) pontos distintos e
yi = f(xi), i = 0, 1, ..., n
 Seja pn(x) o polinômio de grau ≤ n que interpola f em

x0, ..., xn.
 Podemos representar pn(x) na forma:
pn ( x)  y0 L0 ( x)  y1 L1 ( x)  ...  yn Ln ( x)
onde os polinômios Lk(x) são de grau n.
 Para cada i, queremos que a condição pn(xi) = yi seja
satisfeita, ou seja:
pn ( xi )  y0 L0 ( xi )  y1 L1 ( xi )  ...  yn Ln ( xi )  yi
 A forma mais simples de satisfazer esta condição é

impor:
0 se k  i
Lk ( xi )  
1 se k  i
 E para isso, definimos Lk(x) por:
( x  x0 )( x  x1 )...( x  xk 1 )( x  xk 1 )...( x  xn )
Lk ( x) 
( xk  x0 )( xk  x1 )...( xk  xk 1 )( xk  xk 1 )...( xk  xn )
como o numerador de Lk(x) é um produto de n fatores

da forma: (x - xi), i = 0, 1, 2, ..., n, i ≠ k, então Lk(x) é
um polinômio de grau n e, assim, pn(x) é um
polinômio de grau menor ou igual a n
 Note que, na fórmula acima, Lk ( xi )  0 se i  k e

Lk ( x k )  1 como pré-definido anteriormente
 Assim, para x = xi, i = 0, …, n temos:
n
pn ( xi )   yk Lk ( xi )  yi Li ( xi )  yi
k 0
 Então a interpolação de Lagrange para o polinômio

interpolador é:
n n (x  x j )
pn ( x)   yk Lk ( x), onde Lk ( x)  
k 0 j 0, j  k ( xk  x j )
 Fazendo a substituição de Lk(x) na fórmula, temos:

n  n (x  x j ) 
pn ( x )    y k  
 j 0, j  k ( xk  x j ) 
k 0 
 Exemplo: Considere a tabela de dados abaixo:
i 0 1 2
x -1 0 2
y = f(x) 4 1 -1
Solução:
Pela forma de Lagrange, temos que:
p2 ( x)  y0 L0 ( x)  y1 L1 ( x)  y2 L2 ( x) onde:
( x  x1 )( x  x2 ) ( x  0)( x  2) x2  2x
L0 ( x)   
( x0  x1 )( x0  x2 ) (1  0)(1  2) 3
i 0 1 2
x -1 0 2
y = f(x) 4 1 -1
Solução:
Pela forma de Lagrange, temos que:
( x  x0 )( x  x2 ) ( x  1)( x  2) x 2  x  2
L1 ( x)   
( x1  x0 )( x1  x2 ) (0  1)(0  2) 2
( x  x0 )( x  x1 ) ( x  1)( x  0) x 2
x
L2 ( x)   
( x2  x0 )( x2  x1 ) (2  1)(2  0) 6
i 0 1 2
x -1 0 2
y = f(x) 4 1 -1
Solução:
Voltando na forma de Lagrange, temos:
p2 ( x)  y0 L0 ( x)  y1 L1 ( x)  y2 L2 ( x)
 x2  2x   x2  x  2   x2  x 
p2 ( x)  4   1   (1) 
 3   2   6 
7 2 2
Chegamos então a: p2 ( x)  1  x  x
3 3
 Exercício: Considere a tabela de dados abaixo:
i 0 1 2
x 1,1 2,2 3,5
y = f(x) 10 29 90
Escreva o polinômio de Lagrange de ordem 2 para esse

conjunto de pontos. Calcule p2(2,5).
x  5,7 x  7,7
2
x 2
 4,6 x  3,85
Resposta: L0  L1 
2,64  1,43
x 2  3,3 x  2,42
L2 
3,12
 Exercício: Considere a tabela de dados abaixo:
i 0 1 2
x 1,1 2,2 3,5
y = f(x) 10 29 90
Escreva o polinômio de Lagrange de ordem 2 para esse

conjunto de pontos. Calcule p2(2,5).
Resposta: p2(x) = 20,897 – 23,497x + 12,354x2

p2(2,5) = 39,37
Interpolação
Interpolação de Newton

wpassos@ufsj.edu.br
 Um polinômio pn(x) com grau n é baseado em n + 1
pontos
 Um novo ponto é observado. Como atualizar pn(x)

passando a pn+1(x)?
 Não queremos recalcular todos os valores...
 É possível fazer isto?
 Sim: Interpolação de Newton

 A forma de Newton para o polinônio pn(x), que interpola
f(x) em (n+1) pontos distintos x0, x1, ..., xn , é a seguinte:
p n ( x)  d 0  d1  x  x0   d 2 x  x0  x  x1   ....... 
 d n x  x0  x  x1 ....... x  x n 1 
 No Método da Interpolação de Newton, os valores de dk

são dados por Diferenças Divididas de ordem k.
Interpolação de Newton – Dif. Divididas
 Seja f(x) definida em (n+1) pontos distintos x0,
x1, ..., xn. O operador Diferenças Divididas é dado:
f [ x0 ]  f ( x0 )
f [ x1 ]  f [ x0 ] f ( x1 )  f ( x0 )
f [ x0 , x1 ]  
x1  x0 x1  x0
f [ x1 , x2 ]  f [ x0 , x1 ]
f [ x0 , x1 , x2 ] 
x2  x0

f [ x1 , x 2 ,..., x n ]  f [ x0 , x1 , x 2 ,...., x n 1 ]
f [ x0 , x1 , x 2 ,..., x n ] 
xn  x0
 Dizemos que f[x0, x1, x2, ..., xk] é a diferença dividida
de ordem k da função f(x) sobre os k + 1 pontos
 Conhecidos os valores que f(x) assume nos pontos
distintos x0, x1, x2, ..., xn, podemos construir a seguinte
tabela das Diferenças Divididas:
x Ordem 0 Ordem 1 Ordem 2 Ordem n

x0 f [ x0 ]
f [ x 0 , x1 ]
x1 f [ x1 ] f [ x0 , x1 , x 2 ]
f [ x1 , x 2 ]
x2 f [ x0 ] f[ xf2 (]x0 ) f [ x1 , x 2 , x3 ]
f [ x 2 , x3 ]
..... ...... ...... ......... f [ x0 , x1 ,.., x n ]
f [ x n 1 , x n ]
xn
 Montando a tabela das Diferenças Divididas para
n = 4:
 Passo 1 : calcule f[x0, x1]
x Ordem 0 Ordem 1 Ordem 2 Ordem 3

x0 f [x0]
f [x0, x1]
x1 f [x1]
x2 f [x2]
x3 f [x3]
n = 4:

x0 f [x0]
f [x0, x1]
x1 f [x1]
f [x1, x2]
x2 f [x2]
x3 f [x3]
n = 4:

x0 f [x0]
f [x0, x1]
x1 f [x1]
f [x1, x2]
x2 f [x2]
f [x2, x3]
x3 f [x3]
n = 4:
 Passo 4 : calcule f[x0, x1, x2]

x0 f [x0]
f [x0, x1]
x1 f [x1] f [x0, x1 ,x2]
f [x1, x2]
x2 f [x2]
f [x2, x3]
x3 f [x3]
n = 4:
 Passo 5 : calcule f[x1, x2, x3]

x0 f [x0]
f [x0, x1]
x1 f [x1] f [x0, x1 ,x2]
f [x1, x2]
x2 f [x2] f [x1, x2 ,x3]
f [x2, x3]
x3 f [x3]
n = 4:
 Passo 6 : calcule f[x0, x1, x2, x3]

x0 f [x0]
f [x0, x1]
x1 f [x1] f [x0, x1 ,x2]
f [x1, x2] f [x0, x1 ,x2, x3]
x2 f [x2] f [x1, x2 ,x3]
f [x2, x3]
x3 f [x3]
 Propriedades das Diferenças Divididas:
 Satisfazem a propriedade de ser simétrica aos
argumentos:
 Exemplo:
f [ x1 ]  f [ x0 ] f [ x0 ]  f [ x1 ]
f [ x0 , x1 ]    f [ x1 , x0 ]
x1  x0 x0  x1
f [ x0 , x1 , x2 ]  f [ x1 , x0 , x2 ]  f [ x1 , x2 , x0 ].......
 Propriedades das Diferenças Divididas:
 Cada coeficiente dn do Polinômio Interpolador de
Newton corresponde ao operador de grau n de
Diferenças Divididas:
f [ x0 ]  d 0
f [ x0 , x1 ]  d1
f [ x0 , x1 , x2 ]  d 2

f [ x0 , x1 , x2 ,..., xn ]  d n
 Logo a forma de Newton para o polinômio de ordem n
que interpola f(x) é dada por:
p n ( x)  d 0  d1  x  x0   d 2 x  x0  x  x1   ....... 
 d n x  x0  x  x1 ....... x  x n 1 
pn ( x)  f [ x0 ]  f [ x0 , x1 ]( x  x0 )  f [ x0 , x1 , x2 ]( x  x0 )( x  x1 )  ...
 ...  f [ x0 , x1 , x2 ,.., xn ]( x  x0 )( x  x1 )....( x  xn 1 )
 Exemplo: Usando a forma de Newton, calcule o
polinômio p4(x) que interpola f(x) nos pontos abaixo:
x -1 0 1 2 3
f(x) 1 1 0 -1 -2
Tabela das Diferenças Divididas:
x -1 0 1 2 3
f(x) 1 1 0 -1 -2
A forma de Newton que interpola estes pontos é

dada por:
 1
p4 ( x)  1  0( x  1)    ( x  1)( x  0)
 2
1
  ( x  1)( x  0)( x  1)
6
 1 
   ( x  1)( x  0)( x  1)( x  2)
 24 
x -1 0 1 2 3
f(x) 1 1 0 -1 -2
A forma de Newton que interpola estes pontos é

dada por:
 1
p4 ( x)  1     x( x  1)
 2
1
   x( x  1)( x  1)
6
 1 
    x( x  1)( x  1)( x  2)
 24 
 Lagrange e Newton acham o mesmo polinômio, apenas
expressam e calculam de forma diferente
 O cálculo de Newton é estável numericamente (como

Lagrange) mas é computacionalmente mais eficiente
que Lagrange (menos operações)
 Exercício: Usando a forma de Newton, calcule o
i 0 1 2
x -1 0 2
y = f(x) 4 1 -1
Resposta:
7 2 2
p2 ( x )  1  x  x
3 3
Interpolação
Interpolação de Gregory – Newton

wpassos@ufsj.edu.br
 Muitas vezes são encontrados problemas de
interpolação cuja tabela de pontos conhecidos tem
valores que são igualmente espaçados, ou seja:
x1  x0  x2  x1  x3  x2  ...  xn  xn 1  h
 Assim xi+1 – xi = h, para todo i, sendo h uma constante
xi  xi 1  h  xi  x0  i * h
 O método de Gregory – Newton é um caso especial do

método de Newton
 O método de Gregory – Newton utiliza o conceito das
Diferenças Ordinárias ou Finitas
0 f ( x)  f ( x)
1 f ( x)  f ( x  h)  f ( x)
2 f ( x)  1 f ( x  h)  1 f ( x)

n f ( x)  n 1 f ( x  h)  n 1 f ( x)
 Diferenças Ordinárias ou Finitas
x Ordem 0 Ordem 1 Ordem 2 … Ordem n
x0 f (x0)
∆1 f (x0)
x1 f (x1) ∆2 f (x0)
∆1 f (x1)
x2 f (x2) ∆2 f (x1)
... ... ... ... ... ∆n f (x0)
xn-2 f (xn-2)
∆1 f (xn-2)
xn-1 f (xn-1) ∆2 f (xn-2)
∆1 f (xn-1)
xn f (xn)
 Montando a tabela das Diferenças Ordinárias ou
Finitas para n = 4:
 Passo 1: calcule ∆1 f (x0)
x Ordem 0 Ordem 1 Ordem 2 Ordem 3 Ordem 4
x0 f (x0)
∆1 f (x0)
x1 f (x1)
x2 f (x2)
x3 f (x3)
x4 f (x4)
Finitas para n = 4:
x0 f (x0)
∆1 f (x0)
x1 f (x1)
∆1 f (x1)
x2 f (x2)
x3 f (x3)
x4 f (x4)
Finitas para n = 4:
x0 f (x0)
∆1 f (x0)
x1 f (x1)
∆1 f (x1)
x2 f (x2)
∆1 f (x2)
x3 f (x3)
x4 f (x4)
Finitas para n = 4:
x0 f (x0)
∆1 f (x0)
x1 f (x1)
∆1 f (x1)
x2 f (x2)
∆1 f (x2)
x3 f (x3)
∆1 f (x3)
x4 f (x4)
Finitas para n = 4:
x0 f (x0)
∆1 f (x0)
x1 f (x1) ∆2 f (x0)
∆1 f (x1)
x2 f (x2)
∆1 f (x2)
x3 f (x3)
∆1 f (x3)
x4 f (x4)
Finitas para n = 4:
x0 f (x0)
∆1 f (x0)
x1 f (x1) ∆2 f (x0)
∆1 f (x1)
x2 f (x2) ∆2 f (x1)
∆1 f (x2)
x3 f (x3)
∆1 f (x3)
x4 f (x4)
Finitas para n = 4:
x0 f (x0)
∆1 f (x0)
x1 f (x1) ∆2 f (x0)
∆1 f (x1)
x2 f (x2) ∆2 f (x1)
∆1 f (x2)
x3 f (x3) ∆2 f (x2)
∆1 f (x3)
x4 f (x4)
Finitas para n = 4:
x0 f (x0)
∆1 f (x0)
x1 f (x1) ∆2 f (x0)
∆1 f (x1) ∆3 f (x0)
x2 f (x2) ∆2 f (x1)
∆1 f (x2)
x3 f (x3) ∆2 f (x2)
∆1 f (x3)
x4 f (x4)
Finitas para n = 4:
x0 f (x0)
∆1 f (x0)
x1 f (x1) ∆2 f (x0)
∆1 f (x1) ∆3 f (x0)
x2 f (x2) ∆2 f (x1)
∆1 f (x2) ∆3 f (x1)
x3 f (x3) ∆2 f (x2)
∆1 f (x3)
x4 f (x4)
Finitas para n = 4:
x0 f (x0)
∆1 f (x0)
x1 f (x1) ∆2 f (x0)
∆1 f (x1) ∆3 f (x0)
x2 f (x2) ∆2 f (x1) ∆4 f (x0)
∆1 f (x2) ∆3 f (x1)
x3 f (x3) ∆2 f (x2)
∆1 f (x3)
x4 f (x4)
 A partir da tabela das Diferenças Ordinárias ou
Finitas, precisamos calcular os valores dk para
substituí-los na forma do polinômio de Newton. O
Teorema abaixo no mostra como calculá-los:
Teorema: Se xj = x0 + j * h, para j = 0, 1, 2, …, n, então:
n f ( x0 )
f x0 , x1 , x2 , ..., xn  
n!h n
 Prova ( A partir das Diferenças Dividas – Método de
Newton – mostramos que, quando os pontos estão
equidistantes – h fixo – a fórmula das Diferenças
Divididas se iguala à formula dada pelo Teorema ) :
f x0   f ( x0 )
f [ x1 ]  f [ x0 ] f ( x1 )  f ( x0 ) f ( x0  h)  f ( x0 ) f ( x0 )
f x0 , x1     
x1  x0 x1  x0 h h
f ( x1 ) f ( x0 )

f [ x1 , x2 ]  f [ x0 , x1 ] 2
f x0 , x1 , x2   h h f ( x0 )
 
x2  x0 2h 2h 2
por indução, podemos mostrar que esta regra é válida

para valores maiores que 2
 Partindo da fórmula original do Método de Newton,
que é:
pn ( x)  f [ x0 ]  f [ x0 , x1 ]( x  x0 )  f [ x0 , x1 , x2 ]( x  x0 )( x  x1 )  ...
 f [ x0 , x1 , x2 ,.., xn ]( x  x0 )( x  x1 )....( x  xn 1 )
podemos derivar a fórmula do Método de Gregory –

Newton , que utiliza as Diferenças Ordinárias:
f ( x0 ) 2 f ( x0 )
pn ( x)  f ( x0 )  ( x  x0 )  2
( x  x0 )( x  x1 )  ...
h 2h
n f ( x0 )
 n
( x  x0 )( x  x1 )....( x  xn 1 )
n!h
 Exemplo: Construir a tabela de diferenças ordinárias
para a função f(x) tabelada abaixo e calcular p4(0,5)
pela fórmula de Gregory – Newton :
x -1 0 1 2 3
f(x) 2 1 2 5 10
Solução:
x -1 0 1 2 3
f(x) 2 1 2 5 10
Solução:
A forma de Gregory – Newton que interpola estes
pontos é dada por:
f ( x0 ) 2 f ( x0 )
p4 ( x)  f ( x0 )  ( x  x0 )  ( x  x0 )( x  x1 ) 
1!  h1
2!  h 2
3 f ( x0 ) 4 f ( x0 )
 ( x  x0 )( x  x1 )( x  x2 )  ( x  x0 )( x  x1 )( x  x2 )( x  x3 )
3!  h 3
4!  h 4
x -1 0 1 2 3
f(x) 2 1 2 5 10
Solução:
1 2
p4 ( x )  2  ( x  1)  ( x  1)( x)
11 2 1
0 0
 ( x  1)( x)( x  1)  ( x  1)( x)( x  1)( x  2)
6 1 24  1
p4 ( x )  x 2  1
x -1 0 1 2 3
f(x) 2 1 2 5 10
Solução:
p4 (0,5)  x 2  1  0,25  1  1,25
 Exercício: Construir a tabela de diferenças ordinárias
para a função f(x) tabelada abaixo e calcular p2(115)
pela fórmula de Gregory – Newton:
i 0 1 2
x 110 120 130
f(x) 2,041 2,079 2,114
Resposta:
p2 ( x)  1,425  0,00725 x  0,000015 x 2

p2 (115)  2,060
Interpolação
Interpolação Inversa

wpassos@ufsj.edu.br
 Seja f(x) uma função tabelada em n+1 pontos distintos
x0, x1, ..., xn
 Dado y* (f(x0), f(xn)), o problema da interpolação

inversa consiste em encontrar x* tal que f(x*) = y*
 Este é o problema da interpolação inversa!

 Há dois modos de resolvermos este problema:
 Obter pn(x) que interpola f(x) em x0, x1, ..., xn e em
seguida encontrar x* tal que pn(x*) = y*
 Problema: Não temos como calcular o erro pois este é
baseado na diferença entre f(x) e pn(x), e aqui queremos
medir o erro cometido sobre x e não f(x)
 Se f(x) for inversível no intervalo que contém y, fazer a

interpolação de f-1(x)
 Isso somente será possível se f(x) for contínua e
monotonicamente crescente ou decrescente nesse
intervalo
 Exemplo: Seja f(x) dada na tabela abaixo. Encontre x*
tal que f(x*) = 2.
x 0,5 0,6 0,7 0,8 0,9 1,0

y = f(x) 1,65 1,82 2,01 2,23 2,46 2,72
Solução:
Como 2  (1,82 , 2,01), usaremos interpolação linear sobre
x0 = 0,6 e x1 = 0,7. Calculando o polinômio p1(x) através do
método de Lagrange, temos:
p1 ( x)  y0 L0 ( x)  y1 L1 ( x)
( x  x1 ) ( x  0,7) x  0,7
L0 ( x)   
( x0  x1 ) (0,6  0,7)  0,1
tal que f(x*) = 2.
x 0,5 0,6 0,7 0,8 0,9 1,0

y = f(x) 1,65 1,82 2,01 2,23 2,46 2,72
Solução:
p1 ( x)  y0 L0 ( x)  y1 L1 ( x)
( x  x0 ) ( x  0,6) x  0,6
L1 ( x)   
( x1  x0 ) (0,7  0,6) 0,1
 x  0,7   x  0,6 
p1 ( x)  1,82   2,01   1,9 x  0,68
  0,1   0,1 
tal que f(x*) = 2.
x 0,5 0,6 0,7 0,8 0,9 1,0

y = f(x) 1,65 1,82 2,01 2,23 2,46 2,72
Solução:
Utilizando o polinômio p1(x) encontrado para calcularmos
p1(x*) = 2
p1 ( x*)  2  1,9 x * 0,68  2  x*  0,6947368
Neste caso, não é possível fazer nenhuma estimativa

sobre o erro cometido!
tal que ex* = 1,3165.
x 0 0,1 0,2 0,3 0,4 0,5

y = ex 1 1,1052 1,2214 1,3499 1,4918 1,6487
Solução:
Vamos fazer a interpolação quadrática em f-1(x), utilizando o
método de Newton.
tal que ex* = 1,3165.
Solução:
Tabela de diferenças divididas:
tal que ex* = 1,3165.
Solução:
O polinômio é então dado por:
p2 ( x)  f 1 ( y0 )  f 1[ y0 , y1 ]( y  y0 ) 
f 1[ y0 , y1 , y2 ]( y  y0 )( y  y1 )
p2 ( x)  0,2  (0,7782)( y  1,2214) 
(0,2718)( y  1,2214)( y  1,3499)
p2 (1,3165)  0,27487
Podemos verificar, na calculadora, que e0,27487 = 1,31659
Agora é possível estimar o erro, como veremos a seguir...
Interpolação
Estudo do Erro

wpassos@ufsj.edu.br
Estudo do Erro na Interpolação
 Ao aproximarmos uma função f(x) por um polinômio
interpolador pn(x), de grau n, cometemos um erro En (x)
tal que seu valor estimado é:
f ( n 1) ( x )
En ( x)  f ( x)  pn ( x)  ( x  x0 )( x  x1 )...( x  xn )
(n  1)!
onde f ( n 1) ( x ) é a derivada de ordem (n + 1) da

função interpolada e  x  ( x0 , xn )
 Interpolação linear de f1(x) e f2(x)
f(x)
p1(x)
f1(x1)= f2(x1)=p1(x1) f2(x)
f1(x)
f1(x0)= f2(x0)=p1(x0)
x0 x1 x
 Interpolação linear de f1(x) e f2(x)
 O mesmo polinômio p1(x) interpola f1(x) e f2(x) em x0 e x1
 O erro E11(x)=f1(x) - p1(x) > E12(x)= f2(x) - p1(x) para todo

x de (x0 , x1)
 Neste caso, o erro depende da concavidade da curva, ou

seja, de f1”(x) e f2”(x)
 Exemplo: Considere a função f ( x)  e x  x  1 e a
tabela dada abaixo. Obtenha p1(0,7) por interpolação
linear e calcule o erro cometido:
x 0 0,5 1 1,5 2,0

y = f(x) 0 1,1487 2,7183 4,9811 8,3890
Solução:
Pela fórmula de Newton temos:
p1 ( x)  f ( x0 )  ( x  x0 ) f [ x0 , x1 ]
x 0 0,5 1 1,5 2,0

y = f(x) 0 1,1487 2,7183 4,9811 8,3890
Solução:
Como x = 0,7, logo x0 = 0,5 e x1 = 1, temos:
 2,7183  1,1487 
p1 ( x)  1,1487  ( x  0,5) 
 1  0,5 
p1 ( x)  1,1487  ( x  0,5)3,1392
p1 (0,7)  1,1487  (0,7  0,5)3,1392  1,7765
x 0 0,5 1 1,5 2,0

y = f(x) 0 1,1487 2,7183 4,9811 8,3890
Solução:
O cálculo do erro então será:
E1 (0,7)  f (0,7)  p1 (0,7)  1,7137  1,7765  0,0628
E1 (0,7)   0,0628  0,0628

 A fórmula do erro tem uso limitado na prática pois raras
( n 1)
são as situações em que conhecemos f ( x). Além
disso, o ponto  x nunca é conhecido
 Assim o que utilizamos normalmente é uma formula

para a estimativa do erro, que é dada pela expressão
abaixo:
M n 1
E n ( x)  f ( x)  p n ( x)  ( x  x0 )( x  x1 ).....( x  x n )
n  1!
M n 1
onde  max diferenças divididas ordem n  1.
(n  1)!
 Exemplo: Sejam os valores de f(x) informados na tabela
abaixo:
x 0,2 0,34 0,4 0,52 0,6 0,72
y = f(x) 0,16 0,22 0,27 0,29 0,32 0,37
a) Utilize a fórmula de Newton para obter f(0,47) usando

um polinômio de grau 2
b) Encontre uma estimativa para o erro

a) Gerando a tabela de Diferenças Divididas:
a) Escolhendo x0  0,4 , x1  0,52 , x2  0,6
p2 ( x)  f ( x0 )  f [ x0 , x1 ]( x  x0 )  f [ x0 , x1 , x2 ]( x  x0 )( x  x1 )
p2 ( x)  0,27  (0,1667)( x  0,4)  (1,0415)( x  0,4)( x  0,52)
Substituindo: p2 (0,47)  0,2780  f (0,47)

b) Tabela de Diferenças Divididas:
M 21
b) E2 ( x)  ( x  x0 )( x  x1 )( x  x2 )
2  1!
M n 1
como  max diferenças divididas ordem n  1.
(n  1)!
| E2 (0,47) || (0,47  0,4)(0,47  0,52)(0,47  0,6) |  | 18,2492 |

3
| E2 (0,47) | 8,303 10
Logo
p2 (0,47)  0,278  0,009
Voltando ao Erro na Interpolação Inversa
tal que ex* = 1,3165.
Tabela de diferenças divididas:
p2 (1,3165)  0,27487
Voltando ao Erro na Interpolação Inversa
tal que ex* = 1,3165.
O Erro é então dado por:
| E (1,3165) || (1,3165  1,2214)  (1,3165  1,3499) 
(1,3165  1,4918) |  | 0,1994 |
| E (1,3165) | 1,110 4
Logo, x  0,27487  0,00011
Interpolação
Grau do Polinômio Interpolador

wpassos@ufsj.edu.br
 Para a escolha do grau do polinômio interpolador:
1) Construa a tabela de diferenças divididas
2) Examine as diferenças na vizinhança do ponto de
interesse
Se as diferenças de ordem k forem praticamente constantes

(ou se as diferenças de ordem k+1 variarem em torno de
zero), o polinômio de grau k será o que melhor aproximará
a função na região considerada
 Exemplo: Dada f ( x)  x com os valores tabelados:
x 1 1,01 1,02 1,03 1,04 1,05

y = f(x) 1 1,005 1,01 1,0149 1,0198 1,0247
Um polinômio de grau 1 é uma boa aproximação para

f ( x)  x no intervalo dado.
Vamos provar?
a) Tabela de diferenças divididas (Método de Newton):
Convergência
 Seja o intervalo [a,b] coberto pelos pontos a = x0, x1,
..., xn= b, o valor da função f nesses pontos e pn(x) o
polinômio interpolador de f(x)
 Uma questão importante:

 Vale sempre a pena utilizar o polinômio interpolador de
grau máximo?
 Em outras palavras, à medida que aumenta o número de
pontos de interpolação, ou seja, quando n  , pn(x)
sempre converge para f(x) nesse intervalo?
Convergência
 Teorema: Para qualquer sequência de pontos de
interpolação a = x0, x1, ..., xn = b no intervalo [a,b],
existe uma função contínua f(x) tal que pn(x) não
converge para f(x) quando n   .
 No caso em que os pontos de interpolação são

igualmente espaçados, essa divergência pode ser
ilustrada através de um caso conhecido como
Fenômeno de Runge
Fenômeno de Runge
1
 Interpolando a função f ( x)  no intervalo [-1,1]
sendo: 1  25 x 2
2i
xi  1  para i  0,1,2,.., n .
n
 Veja f(x) com duas
interpolações polinomiais
Fenômeno de Runge
 À medida que aumenta o número de pontos de
interpolação, |f(x) – pn(x)| torna-se arbitrariamente
grande nesse intervalo
 Solução:
 Usar funções Splines,
que possuem convergência
garantida
Funções Splines
 Splines são hastes flexíveis (de plástico ou de madeira),
fixadas em certos pontos de uma mesa de desenho,
para traçar curvas suaves
 A ideia deste método é interpolar a função em grupos

de poucos pontos (geralmente, dois a dois), e ao mesmo
tempo impor condições para que a aproximação e suas
derivadas (até certa ordem) sejam contínuas. Desse
modo, serão obtidos polinômios de grau menor
 Veremos as Splines Lineares, isto é, formadas por

polinômios de grau 1
Funções Splines
 Definição:
Seja f (x) tabelada para x 0  x1  x 2  .....  x n .
A função s p (x) é denominada spline de grau p se:
a) Em cada subintervalo xi ,xi 1 , para i  0, 1, 2, .., (n  1) ,

s p (x) é um polinômio de grau p
b) s p (x) é contínua e tem derivadas contínuas até ordem

(p – 1) em a  x0 , xn  b
c) s p ( xi )  f ( xi ) para i  0,1, 2, ..., n

Função Spline Linear
 A função spline linear interpolante de f(x), ou seja, s1(x)
nos nós x0, x1, ..., xn, pode ser escrita em cada
subintervalo xi ,xi 1  como:
xi 1  x x  xi
si 1 ( x)  f ( xi )  f ( xi 1 ) x  xi , xi 1 
xi 1  xi xi 1  xi
Observações:
 Note que s1(x) é polinômio de grau 1 no intervalo
 s1(x) é contínua em todo intervalo xi , xi 1 
 Nos pontos nós s1 ( xi )  f ( xi ).
Logo, s1(x) é a spline linear interpolante de f(x)

 Exemplo: Achar a função spline linear que interpola f(x)
i 0 1 2 3
xi 1 2 5 7
f ( xi ) 1 2 3 2,5
Solução:
Da definição:
x1  x x  x0
s1 ( x)  f ( x0 )  f ( x1 )
x1  x0 x1  x0
2 x x 1
s1 ( x)  1 2  2  x  2 x  2  x x  1, 2
2 1 2 1
i 0 1 2 3
xi 1 2 5 7
f ( xi ) 1 2 3 2,5
Solução:
Da definição:
x2  x x  x1
s2 ( x)  f ( x1 )  f ( x2 )
x2  x1 x2  x1
5 x x2 1
 10  2 x  3 x  6   x  4  x  2, 5
  1
s2 ( x )  2 3
52 52 3 3
i 0 1 2 3
xi 1 2 5 7
f ( xi ) 1 2 3 2,5
Solução:
Da definição:
x3  x x  x2
s3 ( x)  f ( x2 )  f ( x3 )
x3  x2 x3  x2
7x x 5 1
s3 ( x)  3  2,5  21  3 x  2,5 x  12,5 
75 75 2
s3 ( x)   0,5 x  8,5 x  5, 7

1
2
i 0 1 2 3
xi 1 2 5 7
f ( xi ) 1 2 3 2,5
Solução Final:

s1 ( x)  x x  1, 2


s2 ( x)  x  4 x  2, 5
1
 3

s3 ( x)  2  0,5 x  8,5 x  5, 7
1
i 0 1 2 3
xi 1 2 5 7
f ( xi ) 1 2 3 25
Solução: f(x)
Graficamente: f(x)
s3(x)
s2(x)
s1(x)
1 2 5 7 x
 Exercício: Achar a função spline linear que interpola f(x)
i 0 1 2 3
xi 1 4 5 8
f ( xi ) 90 66 55 45
Resposta:

s1 ( x)  8 x  98 x  1, 4

s2 ( x)  11x  110 x  4, 5

s3 ( x)   10 x  215 x  5, 8
1
 3

05 Interpolacao

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

05 Interpolacao

Enviado por

Direitos autorais:

Formatos disponíveis

Interpolação

Prof. Wellington Passos de Paula

Prof. Wellington Passos de Paula

 Exemplo: A tabela abaixo informa o número de carros

 A partir dos dados acima, suponhamos que se queira

 Interpolar uma função y = f(x), em um conjunto discreto

 Quando y = f(x) é conhecida na sua forma analítica, mas

 Porém, consideraremos apenas o estudo das funções

 Uma forma de interpolação de f(x) consiste em

 Nos nós da interpolação as funções f(x) e g(x)

 Representaremos pn(x) por:

 Portanto, obter pn(x) significa obter os coeficientes a0,

a0  a1 x0  a2 x02  ...  an x0n  f ( x0 )

com n+1 equações e n+1 incógnitas a0, a1, ..., an

Prof. Wellington Passos de Paula

 O polinômio interpolador é uma unidade menor que o

 Assim, nesse caso, o polinômio interpolador terá grau 1,

 Ou seja, basta resolver o sistema linear abaixo:

 A solução do sistema é dada por:

 O polinômio interpolador p1(x) = a1x+ a0 tem como

Prof. Wellington Passos de Paula

 O polinômio p2(x) é conhecido como função quadrática

 Portanto, a função f(x) é aproximada por uma parábola

onde a1, a0 e a2 são as incógnitas e os pontos (x0, y0),

 O sistema acima admite solução única, pois

 a0  a1 0,1  a2 0,12  1,221

1 0,1 0,12  a0  1,221 

1 0,1 0,01 1,221   a0  0,1a1  0,01a2  1,221

Logo o polinômio terá a seguinte forma:

p2 ( x)  1,141  0,231x  5,667 x 2

p2 (0,2)  1,141  0,231 0,2  5,667  0,2 2

a) O polinômio interpolador de ordem 2 (Parábola) que

b) O polinômio de ordem 1 ( reta ) que ajusta os pontos

Prof. Wellington Passos de Paula

 Seja pn(x) o polinômio de grau ≤ n que interpola f em

 Podemos representar pn(x) na forma:

 A forma mais simples de satisfazer esta condição é

como o numerador de Lk(x) é um produto de n fatores

 Note que, na fórmula acima, Lk ( xi )  0 se i  k e

 Então a interpolação de Lagrange para o polinômio

 Fazendo a substituição de Lk(x) na fórmula, temos:

Escreva o polinômio de Lagrange de ordem 2 para esse

Escreva o polinômio de Lagrange de ordem 2 para esse

Resposta: p2(x) = 20,897 – 23,497x + 12,354x2

Prof. Wellington Passos de Paula

 Um novo ponto é observado. Como atualizar pn(x)

 Não queremos recalcular todos os valores...

 É possível fazer isto?

 Sim: Interpolação de Newton

 No Método da Interpolação de Newton, os valores de dk

x Ordem 0 Ordem 1 Ordem 2 Ordem n

x Ordem 0 Ordem 1 Ordem 2 Ordem 3

x Ordem 0 Ordem 1 Ordem 2 Ordem 3

x Ordem 0 Ordem 1 Ordem 2 Ordem 3

x Ordem 0 Ordem 1 Ordem 2 Ordem 3

x Ordem 0 Ordem 1 Ordem 2 Ordem 3

x Ordem 0 Ordem 1 Ordem 2 Ordem 3

A forma de Newton que interpola estes pontos é

A forma de Newton que interpola estes pontos é

 O cálculo de Newton é estável numericamente (como

Interpolação de Gregory – Newton

Prof. Wellington Passos de Paula

 Assim xi+1 – xi = h, para todo i, sendo h uma constante

p1 ( x)  2  1,9 x 0,68  2  x*  0,6947368