1

ATENÇÃO!! Caro estudante, primeiro leia atentamente os presentes apontamentos relativos

a Interpolação Polinomial através da Fórmula de Lagrange, discutindo todos os exemplos apre-
sentados no texto, e, para a exercitação e consolidação da matéria, resolva todos os exercícios
constantes do Programa de Aulas Práticas da Disciplina de Cálculo Numérico. As dúvidas
decorrentes da leitura do texto, da compreensão dos exemplos e da interpretação dos exercícios
propostos poderão ser esclarecidas através das plataformas virtuais disponíveis.
BOM TRABALHO!

Aula teórica: 04
Tema 3. Interpolação Polinomial
- Fórmula de Lagrange
. .

Objectivos
No fim desta aula, os estudantes devem ser capazes de:
• Interpolar funções tabeladas e analíticas, usando a fórmula de interpolação polinomial de
Lagrange;
• Utilizar os polinómios interpoladores de Lagrange para determinar valores aproximados de
funções;
• Estimar o erro de interpolação polinomial de funções analíticas.
. .

3. Interpolação Polinomial

3.1. Introdução

A interpolação é um dos critérios de aproximação de funções. Em geral, os problemas de

aproximação de funções surgem, na teoría e na prática, da necessidade de predicções de fenó-
menos, monitoramento de sistemas, produção, control de qualidade, etc., quando se desconhece
a expressão analítica de uma determinada função f , a não ser os seus valores insolados que
podem derivar de resultados experimentais, simulações, medições, observações, etc. Em ou-
tras ocasiões, a expressão analítica de f é conhecida mas com uma representação complexa e,
portanto, resulta muito complicado manipulá-la (avaliar, derivar, integrar, determinar as rai-
zes, etc.). Ademais, para o desenho ou optimização de sistemas eficientes de engenharia, cujo
carácter de cálculo é implícito, se requere determinar expressões analíticas que substituam as
tabelas, gráficos ou outras formas de representação implícita.

Uma das soluções para os problemas de aproximação de funções consiste em determinar uma
expressão analítica mais simples que substitua o carácter implícito ou a representação analítica
e complexa da função original.

Frequentemente, a aproximação de funções se realiza mediante a aplicação dos critérios de

ajuste e interpolacão. O ajuste consiste em seleccionar, de determinada classe de funções,
o modelo particular que melhor se ajusta aos dados. Neste critério, se destaca a análise de
regressão, ramo da estatística de grande utilidade em várias áreas científicas, que consiste em
um conjunto de métodos tais como: estimativa de parámetros, análise de variança e de residos,
prova de hipótese, entre outros.
 2

A interpolação consiste em determinar a expressão analítica de uma função aproximante g

com a condição de que seja igual à função aproximada f em todos os pontos nodais. Se o argu-
mento x, para o qual se determina o valor aproximado da função, não pertence ao intervalo de
interpolação, o problema de determinação do valor da função no ponto x se denomina extra-
polação. Importa referir que não se recomenda utilizar modelos obtidos a partir das técnicas
de interpolação ou de ajuste nos problemas de extrapolação porque à medida que os valores de x
se distanciam do intervalo original, haverá menor certeza quanto à validade do modelo proposto.

Se as funções bases da função aproximante g forem monómios, a função interpoladora é um

polinómio e, portanto, a interpolação tem o nome de interpolação polinomial. Na interpola-
ção polinomial se destacam os seguintes métodos: método de Lagrange1 , método de Newton2 ,
método de Gregory3 - Newton, método de Hermite4 e as técnicas de interpolação por ramos
mediante a aplicação de spline5 .

Quando as funções bases de g forem senos e cossenos, ao invés de monómios, a interpo-

lação recebe o nome de interpolação trigonométrica. Para além de interpolação polinomial
e trigonométrica, existem outras interpolações tais como a racional, a exponencial, logarítmica,
entre outras. Porém, a interpolação polinomial é uma das mais usadas na área de aproxima-
ção de funções. As razões são várias e podemos destacar que os polinómios são facilmente
computáveis devido as suas propriedades:

1) A adição, subtração e multiplicação de polinómios é um polinómio;

2) A derivação e a integração de um polinómio é um polinómio;

3) O valor e as raizes de um polinómio podem ser determinadas com relativa facilidade.

Os critérios de ajuste e de interpolação não são os únicos utilizados para aproximar funções.
Por exemplo, é frequente a utilização de séries de Taylor6 , Maclaurin7 e Fourier8 para a apro-
ximação de funções na vizinhança de um ponto nodal.

Ora bem, a interpolação polinomial tem como base matemática o teorema de Weierstrass9 :

Teorema 1 (Weierstrass).
Toda função f (x) continua num intervalo fechado [a; b] pode ser aproximada nesse intervalo,
tanto quanto se quer, por um polinómio, isto é,
∀ε > 0, ∃p(x) : |f (x) − p(x)| < ε, onde x ∈ [a; b], f (x) e p(x) são função aproximada e
polinómio de aproximação, respectivamente.
1
Joseph Louis de Lagrange (1736–1813) — matemático francês
2
Isaac Newton (1643–1727) — físico, astrónomo e matemático inglês
3
James Gregory (1638 – 1675) — matemático escocês
4
Charles Hermite (1822 – 1901) — matemático francês
5
O termo inglês spline significa longas tiras de madeira, usadas antigamente para interpolar pontos de
estructuras de navios e aviões.
6
Brook Taylor (1685–1731) — matemático inglês
7
Colin Maclaurin (1698–1746) — matemático escocês
8
Jean Baptist Joseph Fourier (1768–1830) — matemático francês
9
Karl Theodor Wilhelm Weierstrass (1815–1897) — matemático alemão
 3

3.2. Interpolação polinomial usando a matriz de Vandermonde

Sejam dados n + 1 pontos (x0 , y0 ), (x1 , y1 ), ..., (xn , yn ), sendo xi , i = 0, 1, ..., n, distintos
tais que yi = f (xi ) e x ∈ [x0 , xn ]. O problema de interpolação polinomial consiste em construir
um polinómio Pn (x), de grau não superior a n, tal que,

Pn (xi ) = yi , i = 0, 1, ..., n.

A formulação mais simples da solução deste problema consiste em expressar o polinómio inter-
polador na seguinte forma:
∑n
Pn (x) = c0 x0 + c1 x1 + c2 x2 + ... + cn xn = i=0 ci x
i
(1)

Os coeficientes ci constituem o vector solução do sistema de n + 1 equações lineares:



 c0 + c1 x10 + c2 x20 + ... + cn xn0 = y0

c0 + c1 x11 + c2 x21 + ... + cn xn1 = y1
(2)

 ···

c0 + c1 x1n + c2 x2n + ... + cn xnn = yn
Na forma matricial, o sistema (2) tem a seguinte representação:

     
1 x0 x20 · · · xn0 c0 y0
 1 x1 x21 · · · xn1   c1   y1 
     
 .. .. .. . . . · .. = ..  (3)
 . . . . ..   .   . 
1 xn x2n · · · xnn cn yn
O sistema tem solução única, pois o determinante da matriz principal, denominado deter-
minante de Vandermonde10 , é não nulo, devido a que todos os xi são distintos.

Exemplo 1. Usando a matriz de Vandermonde, determine o polinómio interpolador da se-

guinte função tabelada:

x −1 1 2
f 1 −1 5

Resolução
Procuremos um polinómio da forma:

P2 (x) = c0 + c1 x1 + c2 x2

Substituindo os pontos nodais (xi , yi ), i = 0, 1, 2 na expressão polinomial anterior, obtemos o

10
Alexandre Théofile Vandermonde (1735–1796) — matemático francês
 4

sistema:
 
 c0 − c1 + c2 = 1  c0 = − 73 7 7
c0 + c1 + c2 = −1 ⇐⇒ c1 = −1 =⇒ P2 (x) = x2 − x − 
  3 3
c0 + 2c1 + 4c2 = 5 c2 = 37

Apesar de ser conceitualmente simples, esta formulação da solução do problema de interpo-

lação polinomial não é recomendável computacionalmente devido as seguintes razões:

1) Trata-se de um problema mal condicionado, pois a matriz de Vandermonde apresenta um

número de condição muito elevado, tanto maior quanto for n.

2) Apresenta uma tendência de propagação dos erros de arredondamento à medida que os

pontos nodais aproximam-se uns dos outros, pois, nestas situações, o determinante de
Vandermonde tende a zero.

As técnicas de interpolação polinomial comummente utilizadas, e que não fazem uso do deter-
minante de Vandermonde, são as fórmulas de Lagrange, de Newton e de Gregory - Newton.

3.3. Fórmula de interpolação de Lagrange

Sejam dados n + 1 pontos (x0 , y0 ), (x1 , y1 ), ..., (xn , yn ), sendo xi , i = 0, 1, ..., n, distintos
tais que yi = f (xi ) e x ∈ [x0 , xn ]. Pretende-se construir um polinómio Ln (x), de grau não
superior a n, tal que

Ln (xi ) = yi , i = 0, 1, ..., n. (4)

Consideremos os polinómios Pi (x), i = 0, 1, ..., n, de grau n, tais que:

{
Pi (xj ) ̸= 0, se i = j
Pi (xj ) = 0, se i ̸= j
Assim, os polinómios Pi (x) podem ser da forma:

P0 (x) = (x − x1 )(x − x2 )(x − x3 )...(x − xn )

P1 (x) = (x − x0 )(x − x2 )(x − x3 )...(x − xn )
..
.
Pn (x) = (x − x0 )(x − x1 )(x − x2 )...(x − xn−1 )
∏
n
Portanto, Pi (x) = (x − xj ), i = 0, 1, 2, ..., n. (5)
j=0,j̸=i

Considerando que o polinómio Ln (x) é de grau não superior a n, então pode ser escrito como
combinação linear dos polinómios Pi (x), isto é,
 5

∑
n
Ln (x) = c0 P0 (x) + c1 P1 (x) + c2 P2 (x) + ... + cn Pn (x) = ci Pi (x) (6)
i=0

Comparando as expressões (4) e (6), tendo em consideração que Pi (xj ) = 0, se i ̸= j , tem-se

que:
yi
Ln (xi ) = yi =⇒ ci Pi (xi ) = yi ⇐⇒ ci = (7)
Pi (xi )
Substituindo (7) em (6), se obtém a fórmula de interpolação de Lagrange:

P0 (x) P1 (x) P2 (x) Pn (x) ∑ Pi (x) n

Ln (x) = · y0 + · y1 + · y2 + ... + · yn = · yi (8)
P0 (x0 ) P1 (x1 ) P2 (x2 ) Pn (xn ) i=0
Pi (xi )
Para a realização práctica da interpolação de Lagrange, se consideram os polinómios li (x),
de grau n, tais que:

Pi (x) (x − x0 )(x − x1 )(x − x2 )...(x − xi−1 )(x − xi+1 )...(x − xn )

li (x) = = , i = 0, 1, ..., n.
Pi (xi ) (xi − x0 )(xi − x1 )(xi − x2 )...(xi − xi−1 )(xi − xi+1 )...(xi − xn )

É fácil verificar que:

{
0 se i ̸= j
li (xj ) =
1 se i = j

Deste modo, a fórmula de interpolação de Lagrange é dada por:

∑
n
(x − x1 )(x − x2 )(x − x3 )...(x − xi−1 )(x − xi )...(x − xn )
Ln (x) = li (x) · yi = · y0 +
i=0
(x0 − x1 )(x0 − x2 )(x0 − x3 )...(x0 − xi−1 )(x0 − xi )...(x0 − xn )

(x − x0 )(x − x2 )(x − x3 )...(x − xi−1 )(x − xi )...(x − xn )

· y1 +
(x1 − x0 )(x1 − x2 )(x1 − x3 )...(x1 − xi−1 )(x1 − xi )...(x1 − xn )

(x − x0 )(x − x1 )(x − x3 )...(x − xi−1 )(x − xi )...(x − xn )

· y2 +
(x2 − x0 )(x2 − x1 )(x2 − x3 )...(x2 − xi−1 )(x2 − xi )...(x2 − xn )

(x − x0 )(x − x1 )(x − x2 )...(x − xi−1 )(x − xi )...(x − xn−1 )

... + · yn
(xn − x0 )(xn − x1 )(xn − x2 )...(xn − xi−1 )(xn − xi )...(xn − xn−1 )

Estimação do erro de interpolação de Lagrange

O erro absoluto de aproximação pela fórmula de Lagrange é dado por:

[ ]
1
En (x) ≤ · |(x − x0 )(x − x1 )(x − x2 )...(x − xn )| · max |f (n+1)
(ξ)| (9)
(n + 1)! x0 ≤ξ≤xn

onde, f (x) e suas derivadas são continuas em [a; b] que contém os pontos nodais.
 6

Exemplo 2. Considere a função

x −1 1 2
f 1 −1 5

a) Determine o polinómio de interpolação usando a fórmula de Lagrange;

b) Calcule uma aproximação para f (0) e f (1, 5), usando a alínea a);
8 5
c) Considerando que f (x) = x4 − x2 − x + , estime os erros absolutos de aproximação de
3 3
f (0) e de f (1, 5) através da fórmula de Lagrange e compare com os respectivos erros absolutos
exactos.

Resolução
a) Determinemos os polinómios li (x), i = 0, 1, 2

(x − x1 )(x − x2 ) (x − 1)(x − 2) 1
l0 (x) = = = (x2 − 3x + 2)
(x0 − x1 )(x0 − x2 ) (−1 − 1)(−1 − 2) 6

(x − x0 )(x − x2 ) (x + 1)(x − 2) 1
l1 (x) = = = − (x2 − x − 2)
(x1 − x0 )(x1 − x2 ) (1 + 1)(1 − 2) 2

(x − x0 )(x − x1 ) (x + 1)(x − 1) 1
l2 (x) = = = (x2 − 1)
(x2 − x0 )(x2 − x1 ) (2 + 1)(2 − 1) 3
∑2
Usando a fórmula L2 (x) = li (x) · yi = l0 (x)y0 + l1 (x)y1 + l2 (x)y2 temos:
i=0
1 1 1
L2 (x) = (x2 − 3x + 2) · 1 − (x2 − x − 2) · (−1) + (x2 − 1) · 5 =
6 2 3
x + 3x + 10x − 3x − 3x + 2 − 6 − 10
2 2 2
14x − 6x − 14
2
7 7
= =⇒ f (x) ≈ Pn (x) = x2 − x −
6 6 3 3

7 2 7 7
b) f (0) ≈ L2 (0) = ·0 −0− =− ;
3 3 3
7 7 63 − 18 − 28 17
f (1.5) ≈ L2 (1.5) = · (1.5)2 − 1.5 − = = .
3 3 12 12

c) Observemos que f (3) (x) = 24x =⇒ max |f (3) (ξ)| = max |24ξ| = 48
−1≤ξ≤2 −1≤ξ≤2
1
E2 (0) ≤ · |(0 + 1)(0 − 1)(0 − 2)| · 48 = 16
3!
1
E2 (1.5) ≤ · |(1, 5 + 1)(1, 5 − 1)(1, 5 − 2)| · 48 = 8 · (2, 5) · 0, 5 · 0, 5 = 5
3!
Por outro lado, temos os seguintes valores exactos dos erros de aproximação:
 
5 7
Eexacto (0) = |f (0) − L2 (0)| =  +  = 4 < 16
3 3
 7

 
 37 17  105
Eexecto (1.5) = |f (1.5) − L2 (1.5)| = − −  = = 2, 1875 < 5 
48 12 48
Observação
O erro absoluto de interpolação é directamente proporcional ao produto das distâncias entre o
valor interpolado e os pontos nodais. Portanto, os pontos escolhidos para construir o polinómio
interpolador devem ser os mais próximos do ponto a ser interpolado.

Nota
A fórmula de Lagrange pode não ser a representação mais conveniente do polinómio interpola-
dor, pois requer um maior número de operações aritméticas. Ademais, a introdução de outros
pontos nodais requer a realização de todas as operações aritméticas anteriormente efectuadas
para a determinação do polinómio interpolador.