Cap 07

Física Computacional
Semestre letivo 2023.1
Prof. Dr. Eduardo Diniz
Universidade Federal do Maranhão
21/08/2023 a 24/12/2023
Sumário
7 - Interpolação
Sumário
7 - Interpolação
7.1 - Introdução
7.2 - Interpolação polinomial
7.3 - Polinômios interpoladores de Newton
7.4 - Polinômios interpoladores de Lagrange
7.5 - Determinação dos coeficientes por sistemas lineares
7.6 - Erros na interpolação
7.7 - Problemas com a interpolação de dados
7.8 - Interpolação por splines
7 - Interpolação
O que veremos neste capítulo

I Técnicas para interpolar um conjunto de dados utilizando funções elementares.
7.1 - Introdução
Considerações
I Em geral, os dados são fornecidos em um conjunto discreto de valores entre um contínuo
de possibilidades.
7.1 - Introdução
Considerações
de possibilidades.
I Entretanto, pode ser necessário fazer estimativas em pontos que estão entre os valores
discretos ou mesmo fora do intervalo de obtenção dos dados.
7.1 - Introdução
Considerações
de possibilidades.
I Além disso, também é possível obter uma versão simplificada de uma função complicada.
7.1 - Introdução
Considerações
de possibilidades.
I Além disso, também é possível obter uma versão simplificada de uma função complicada.
I Ambos os casos podem ser realizados através de interpolações.
7.1 - Introdução
Significado
I Interpolar significa criar uma curva que passa por todos os pontos dados.
7.1 - Introdução
Características
I Essa função é chamada função interpoladora.
7.1 - Introdução
Características
I É uma exigência sine qua non que a função interpoladora passe exatamente por todos
os pontos.
7.1 - Introdução
Características
os pontos.
I Ao exigir a correspondência exata entre a função e os dados fornecidos, procedimentos
analíticos são demandados.
7.1 - Introdução
Características
os pontos.
I A rigor, a função interpoladora pode ter qualquer natureza (polinomial, trigonométrica,
logarítmica, exponencial etc. ou uma combinação delas).
7.1 - Introdução
Características
os pontos.
I A rigor, a função interpoladora pode ter qualquer natureza (polinomial, trigonométrica,
logarítmica, exponencial etc. ou uma combinação delas).
I Contudo, é mais comum realizar interpolações polinomiais dada a facilidade de trata-
mento analítico dessas funções.
Características
I Interpolação polinomial é um caso particular do problema geral de interpolação, no qual
a família de funções é constituída de polinômios.
Características
I Para um dado conjunto de pontos, existe um único polinômio interpolador.
Características
I Existem várias técnicas para se determinar o polinômio interpolador. Aqui veremos
três:
Características
três:
1. Polinômios interpoladores de Newton.
Características
três:
2. Polinômios interpoladores de Lagrange.
Características
três:
2. Polinômios interpoladores de Lagrange.
3. Determinação dos coeficientes por sistemas lineares.
Interpolação linear
I A forma mais simples de interpolação é ligar dois pontos dados com uma reta.
I A forma mais simples de interpolação é ligar dois pontos dados com uma reta.
I A técnica é chamada de interpolação linear.
I Sua fórmula pode ser obtida a partir de semelhança de triângulos:
I Sua fórmula pode ser obtida a partir de semelhança de triângulos:
I A partir dos triângulos
p1 (x) − f (x0 ) f (x1 ) − f (x0 )

=
x − x0 x1 − x0
Fórmula de interpolação linear

I Após alguns cálculos simples, a reta p1 (x) que interpola a função f (x) pode ser obtida
a partir de
f (x1 ) − f (x0 )
p1 (x) = f (x0 ) + (x − x0 )
x1 − x0
Fórmula de interpolação linear

I Após alguns cálculos simples, a reta p1 (x) que interpola a função f (x) pode ser obtida
a partir de
f (x1 ) − f (x0 )
p1 (x) = f (x0 ) + (x − x0 )
x1 − x0
I Onde o índice 1 de p1 (x) indica explicitamente o grau do polinômio.
Exemplo
I Faça uma estimativa do logaritmo natural de 2 usando uma interpolação linear.
Exemplo
I Primeiro, faça o cálculo interpolando entre ln(1) = 0 e ln(6) = 1,791759.
Exemplo
I Então, repita o procedimento, mas use o intervalo menor de ln(1) a ln(4) = 1,386294.
Exemplo
I Então, repita o procedimento, mas use o intervalo menor de ln(1) a ln(4) = 1,386294.
I Observe que o valor verdadeiro de ln(2) é 0,6931472.
Exemplo
I A partir do enunciado:
x0 = 1 ⇒ f (x0 ) = 0, x1 = 4 ⇒ f (x1 ) = 1,386294, x1 = 6 ⇒ f (x1 ) = 1,791759

Exemplo
x0 = 1 ⇒ f (x0 ) = 0, x1 = 4 ⇒ f (x1 ) = 1,386294, x1 = 6 ⇒ f (x1 ) = 1,791759
I Para o primeiro par x0 = 1 e x1 = 6, a fórmula de interpolação linear resulta
1,791759 − 0
p1 (x) = 0 + (x − 1) ⇒ p1 (x) = 0,3583518(x − 1) ⇒ p1 (2) = 0,3583518
6−1
Exemplo
x0 = 1 ⇒ f (x0 ) = 0, x1 = 4 ⇒ f (x1 ) = 1,386294, x1 = 6 ⇒ f (x1 ) = 1,791759
I Para o primeiro par x0 = 1 e x1 = 6, a fórmula de interpolação linear resulta
1,791759 − 0
p1 (x) = 0 + (x − 1) ⇒ p1 (x) = 0,3583518(x − 1) ⇒ p1 (2) = 0,3583518
6−1
I Para o segundo par x0 = 1 e x1 = 4:
1,386294 − 0
p1 (x) = 0 + (x − 1) ⇒ p1 (x) = 0,462098(x − 1) ⇒ p1 (2) = 0,462098
4−1
Exemplo
I Determinando os erros, a primeira interpolação erra em 48,3% e a segunda em 33,3%.
Exemplo
I O motivo para essa redução no erro é que o segundo intervalo é menor, ou seja, os
pontos estão mais próximos do valor alvo x = 2, o que melhora a estimativa.
Exemplo
I O motivo para essa redução no erro é que o segundo intervalo é menor, ou seja, os
pontos estão mais próximos do valor alvo x = 2, o que melhora a estimativa.
I Abaixo uma representação gráfica dessa análise.
Interpolação quadrática
I Uma outra estratégia para melhorar a estimativa é introduzir alguma curvatura na
curva ligando os pontos.
I Se estiverem disponíveis três pontos, isso pode ser conseguido com um polinômio de
segundo grau (parábola).
I Uma fórmula particularmente conveniente para esse propósito é
p2 (x) = b0 + b1 (x − x0 ) + b2 (x − x0 )(x − x1 )
p2 (x) = b0 + b1 (x − x0 ) + b2 (x − x0 )(x − x1 )
I Note que b1 ainda representa a inclinação da reta ligando os pontos x0 e x1 .

p2 (x) = b0 + b1 (x − x0 ) + b2 (x − x0 )(x − x1 )

I Os dois primeiros termos dessa equação são equivalentes à interpolação linear de x0 a
x1 .
p2 (x) = b0 + b1 (x − x0 ) + b2 (x − x0 )(x − x1 )

I Os dois primeiros termos dessa equação são equivalentes à interpolação linear de x0 a
x1 .
I O último termo, b2 (x − x0 )(x − x1 ) introduz a curvatura de segundo grau na fórmula.
Coeficientes da interpolação quadrática

I Substituindo os pontos (x0 , f (x0 )), (x1 , f (x1 )) e (x2 , f (x2 )) na expressão anterior, após
alguma álgebra simples, chegamos à determinação dos coeficientes b0 , b1 e b2 na forma
b0 = f (x0 )
f (x1 ) − f (x0 )
b1 =
x1 − x0
f (x2 ) − f (x1 ) f (x1 ) − f (x0 )

−
x2 − x1 x1 − x0
b2 =
x2 − x0
Exemplo
I Faça uma estimativa do logaritmo natural de 2 usando uma interpolação quadrática
dos pontos x0 = 1, x1 = 4 e x2 = 6. Calcule o erro relativo dessa estimativa.
Exemplo
I Os pontos:
x0 = 1, f (x0 ) = 0; x1 = 4, f (x1 ) = 1,386294; x1 = 6, f (x1 ) = 1,791759

Exemplo
I Os pontos:
x0 = 1, f (x0 ) = 0; x1 = 4, f (x1 ) = 1,386294; x1 = 6, f (x1 ) = 1,791759
I Determinam os coeficientes de forma que
b0 = 0; b1 = 0,462098; b2 = −0,0518731
Exemplo
I Levando a uma estimativa para ln(2) como p2 (2) = 0,565844.
Exemplo
I Levando a uma estimativa para ln(2) como p2 (2) = 0,565844.
I Para a interpolação quadrática, o erro relativo é de 18,4%.
Introdução
I Os procedimentos usados na interpolação linear e quadrática podem ser generalizados
para um número qualquer de pontos.
Introdução
I Assumindo que sejam dados n + 1 pontos (x0 , y0 ), (x1 , y1 ), ..., (xn , yn ) com yi = f (xi ),
o polinômio interpolador de grau n é
pn (x) = b0 + b1 (x − x0 ) + b2 (x − x0 )(x − x1 ) + . . . + bn (x − x0 )(x − x1 ) · · · (x − xn−1 )

Introdução
I Determinando os coeficientes bi , encontra-se o polinômio interpolador.

Introdução
I Determinando os coeficientes bi , encontra-se o polinômio interpolador.

I Os valores de x não precisam estar ordenados para se aplicar o método.
Diferenças divididas de Newton

I De acordo com a forma anterior


I De acordo com a forma anterior
I A substituição dos pontos (xi , yi ) gera o sistema triangular inferior:



 b0 = y0




 b0 + b1 (x1 − x0 ) = y1

b0 + b1 (x2 − x0 ) + b2 (x2 − x0 )(x2 − x1 ) = y2
...







b0 + b1 (xn − x0 ) + . . . + bn (xn − x0 )(xn − x1 ) · · · (xn − xn−1 ) = yn

I Resolvendo para os coeficientes b




































 b0 = y 0






y1 − b0


b1 =


x1 − x0








 y2 − b1 (x2 − x0 ) − b0
b2 =


(x2 − x0 )(x2 − x1 )








..



.

 b0 = y 0






y1 − b0 y1 − y0


b1 = =


x1 − x0 x1 − x0








 y2 − b1 (x2 − x0 ) − b0
b2 =


(x2 − x0 )(x2 − x1 )








..



.

 b0 = y 0






y1 − b0 y1 − y0


b1 = =


x1 − x0 x1 − x0






y2 − y1 y1 − y0
 −

 y2 − b (x
1 2 − x 0 ) − b 0 x − x1 x1 − x0
b2 = = 2


(x2 − x0 )(x2 − x1 ) x2 − x0








..



.

 b0 = y 0






y1 − b0 y1 − y0


b1 = =


x1 − x0 x1 − x0






y2 − y1 y1 − y0
 −

 y2 − b (x
1 2 − x 0 ) − b 0 x − x1 x1 − x0
b2 = = 2


(x2 − x0 )(x2 − x1 ) x2 − x0








..



.
I Nota-se que há um padrão na estrutura dos coeficientes.


I Definindo-se as diferenças divididas finitas como:
f (xi ) − f (xj )


 f [xi , xj ] =
xi − xj








f [xi , xj ] − f [xj , xk ]



f [xi , xj , xk ] =



 xi − xk

 f [xi , xj , xk ] − f [xj , xk , xl ]

 f [xi , xj , xk , xl ] =
xi − xl



..





 .
f [xn , xn−1 , . . . , x1 ] − f [xn−1 , xn−2 , . . . , x0 ]



f [xn , xn−1 , . . . , x1 , x0 ] =

xn − x0

I As diferenças divididas são assim chamadas:

I f [xi , xj ]: primeira diferença dividida finita.

I f [xi , xj , xk ]: segunda diferença dividida finita (diferença das duas primeiras diferenças
divididas).

divididas).
..
I .

divididas).
..
I .
I f [xn , xn−1 , . . . , x1 , x0 ]: n-ésima diferença dividida finita.

divididas).
..
I .
I f [xn , xn−1 , . . . , x1 , x0 ]: n-ésima diferença dividida finita.
I As diferenças divididas de Newton tem relação com as derivadas numéricas, que
serão vistas mais adiante.
Coeficientes do polinômio de Newton

I Com a definição das diferenças finitas, os coeficientes do polinômio de Newton são dados
por:


 b0 = f [x0 ]

 b = f [x1 , x0 ]
 1


b2 = f [x2 , x1 , x0 ]
 .
..





bn = f [xn , xn−1 , . . . , x1 , x0 ]
Polinômio interpolador de Newton

I O polinômio interpolador por diferenças divididas de Newton pode, então, ser
escrito como:
pn (x) = f (x0 ) + f [x1 , x0 ](x − x0 ) + f [x2 , x1 , x0 ](x − x0 )(x − x1 )+
. . . + f [xn , xn−1 , . . . , x1 , x0 ](x − x0 )(x − x1 ) · · · (x − xn−1 )
Esquema de diferenças divididas de Newton - exemplo com três pontos

I Diferenças divididas de ordem superior dependem das imediatamente anteriores. As
quantidades em destaque são usadas no polinômio interpolador de Newton.
xi f (xi ) f [xi , xi−1 ] f [xi , xi−1 , xi−2 ]
x0 f (x0 ) = y0
f (x1 ) − f (x0 )
f [x1 , x0 ] =
x1 − x0
f [x2 , x1 ] − f [x1 , x0 ]
x1 f (x1 ) = y1 f [x2 , x1 , x0 ] =
x 2 − x0
f (x2 ) − f (x1 )
f [x2 , x1 ] =
x2 − x1
x2 f (x2 ) = y2
Exemplo
I Faça uma nova estimativa de ln(2) com um polinômio interpolador de Newton de ter-
ceiro grau. Use os pontos dos exemplos anteriores x0 = 1, x1 = 4, x2 = 6 e adicione
um quarto ponto x3 = 5 ⇒ f (x3 ) = 1,609438. Determine o erro relativo da estimativa.
Exemplo
I Faça uma nova estimativa de ln(2) com um polinômio interpolador de Newton de ter-
ceiro grau. Use os pontos dos exemplos anteriores x0 = 1, x1 = 4, x2 = 6 e adicione
um quarto ponto x3 = 5 ⇒ f (x3 ) = 1,609438. Determine o erro relativo da estimativa.
I Os valores dados são:
i 0 1 2 3
xi 1 4 6 5
f (xi ) 0 1,386294 1,791759 1,609438
Exemplo
I Construindo o esquema das diferenças divididas:
xi f (xi ) f [xi , xi−1 ] f [xi , xi−1 , xi−2 ] f [xi , xi−1 , xi−2 , xi−3 ]
Exemplo
1 0,000000
4 1,386294
6 1,791759
5 1,609438
Exemplo
1 0,000000
1,386294 − 0,000000
4−1
4 1,386294
6 1,791759
5 1,609438
Exemplo
1 0,000000
0,4620980
4 1,386294
6 1,791759
5 1,609438
Exemplo
1 0,000000
0,4620980
4 1,386294
1,791759 − 1,386294
6−4
6 1,791759
5 1,609438
Exemplo
1 0,000000
0,4620980
4 1,386294
0,2027325
6 1,791759
5 1,609438
Exemplo
1 0,000000
0,4620980
4 1,386294
0,2027325
6 1,791759
1,609438 − 1,791759
5−6
5 1,609438
Exemplo
1 0,000000
0,4620980
4 1,386294
0,2027325
6 1,791759
0,1823210
5 1,609438
Exemplo
1 0,000000
0,4620980
0,2027325 − 0,4620980
4 1,386294
6−1
0,2027325
6 1,791759
0,1823210
5 1,609438
Exemplo
1 0,000000
0,4620980
4 1,386294 −0,0518731
0,2027325
6 1,791759
0,1823210
5 1,609438
Exemplo
1 0,000000
0,4620980
4 1,386294 −0,0518731
0,2027325
0,1823210 − 0,2027325
6 1,791759
5−4
0,1823210
5 1,609438
Exemplo
1 0,000000
0,4620980
4 1,386294 −0,0518731
0,2027325
6 1,791759 −0,0204115
0,1823210
5 1,609438
Exemplo
1 0,000000
0,4620980
4 1,386294 −0,0518731
−0,0204115 − (−0,0518731)
0,2027325
5−1
6 1,791759 −0,0204115
0,1823210
5 1,609438
Exemplo
1 0,000000
0,4620980
4 1,386294 −0,0518731
0,2027325 0,0078654
6 1,791759 −0,0204115
0,1823210
5 1,609438
Exemplo
1 0,000000
0,4620980
4 1,386294 -0,0518731
0,2027325 0,0078654
6 1,791759 −0,0204115
0,1823210
5 1,609438
Exemplo
1 0,000000
0,4620980
4 1,386294 -0,0518731
0,2027325 0,0078654
6 1,791759 −0,0204115
0,1823210
5 1,609438
I Portanto, o polinômio interpolador do terceiro grau p3 (x) é
p3 (x) = 0,4620980(x − 1) − 0,0518731(x − 1)(x − 4) + 0,0078654(x − 1)(x − 4)(x − 6)

Exemplo
I Calculando o valor p3 (2) = 0,6287674.
Exemplo
I O erro associado a essa estimativa é de 9,3%.
Exemplo
I O erro associado a essa estimativa é de 9,3%.
I A seguir uma representação gráfica da interpolação feita.
Definição
I Outra maneira clássica de resolver o problema da interpolação polinomial é através dos
polinômios de Lagrange.
Definição
I O polinômio interpolador de Lagrange é simplesmente uma reformulação do polinômio
de Newton que evita o cálculo de diferenças divididas.
Definição
I O polinômio interpolador de Lagrange é simplesmente uma reformulação do polinômio
de Newton que evita o cálculo de diferenças divididas.
I Ele pode ser representado concisamente por:
n n n
X X Y x − xj
pn (x) = f (xi )Li (x) = yi Li (x); Li (x) =
i=0 i=0
x − xj
j=0 i
j6=i
Exemplo
I Determine as formas polinomiais de Lagrange para uma interpolação linear e quadrática.
Exemplo
I Para uma interpolação linear, necessariamente n = 1:









n
Y x − xj 

Li (x) = ⇒
j=0 i
x − xj 


j6=i







Exemplo
1

 Y x − xj

 L0 (x) =
x − xj

j=0 0




n
Y x − xj 
 j6 = 0
Li (x) = ⇒
j=0 i
x − xj  1
x − xj

 Y
j6=i

L1 (x) =


x − xj

j=0 1


j6=1
Exemplo
1

 Y x − xj x − x1

 L0 (x) = =
x − xj x0 − x1

j=0 0




n
Y x − xj 
 j6 = 0
Li (x) = ⇒
j=0 i
x − xj  1
x − xj

 Y
j6=i

L1 (x) =


x − xj

j=0 1


j6=1
Exemplo
1

 Y x − xj x − x1

 L0 (x) = =
x − xj x0 − x1

j=0 0




n
Y x − xj 
 j6 = 0
Li (x) = ⇒
j=0 i
x − xj  1
x − xj x − x0

 Y
j6=i

L1 (x) = =


x − x x 1 − x0


 j=0 1 j
j6=1
Exemplo
1

 Y x − xj x − x1

 L0 (x) = =
x − xj x0 − x1

j=0 0




n
Y x − xj 
 j6 = 0
Li (x) = ⇒
j=0 i
x − xj  1
x − xj x − x0

 Y
j6=i

L1 (x) = =


x − x x 1 − x0


 j=0 1 j
j6=1
I Portanto:
x − x1 x − x0
p1 (x) = f (x0 ) + f (x1 )
x0 − x1 x1 − x0
Exemplo
I Para uma interpolação quadrática, n = 2:

















n


Y x − xj 
Li (x) = ⇒
j=0 i
x − xj 


j6=i
















Exemplo
2

 Y x − xj

 L 0 (x) =
x − xj

j=0 0





 j6=0





2

x − xj
n


x − xj  Y
L (x) =
Y
Li (x) = ⇒ 1
x − xj j=0 1
x − xj
j=0 i


 j6=1
j6=i






2

x − xj

 Y


 L 2 (x) =
x − xj

j=0 2



j6=2
Exemplo
2

 Y x − xj x − x1 x − x2

 L 0 (x) = =
x − x x 0 − x1 x0 − x2

0 j

j=0




 j6=0





2

x − xj
n


x − xj  Y
L (x) =
Y
Li (x) = ⇒ 1
x − xj j=0 1
x − xj
j=0 i


 j6=1
j6=i






2

x − xj

 Y


 L 2 (x) =
x − xj

j=0 2



j6=2
Exemplo
2

 Y x − xj x − x1 x − x2

 L 0 (x) = =
x − x x 0 − x1 x0 − x2

0 j

j=0




 j6=0





2

x − xj x − x0 x − x2
n


x − xj  Y
L (x) = =
Y
Li (x) = ⇒ 1
x − xj j=0 1
x − xj x1 − x0 x1 − x2
j=0 i


 j6=1
j6=i






2

x − xj

 Y


 L 2 (x) =
x − xj

j=0 2



j6=2
Exemplo
2

 Y x − xj x − x1 x − x2

 L 0 (x) = =
x − x x 0 − x1 x0 − x2

0 j

j=0




 j6=0





2

x − xj x − x0 x − x2
n


x − xj  Y
L (x) = =
Y
Li (x) = ⇒ 1
x − xj j=0 1
x − xj x1 − x0 x1 − x2
j=0 i


 j6=1
j6=i






2

x − xj x − x0 x − x1

 Y


 L 2 (x) = =
x − x x 2 − x0 x2 − x1

2 j

j=0


j6=2
Exemplo
I Portanto:
(x − x1 )(x − x2 ) (x − x0 )(x − x2 ) (x − x0 )(x − x1 )
p2 (x) = f (x0 ) + f (x1 ) + f (x2 )
(x0 − x1 )(x0 − x2 ) (x1 − x0 )(x1 − x2 ) (x2 − x0 )(x2 − x1 )
Exemplo
I Estime o valor de ln(2) usando o polinômio de Lagrange. Use interpolação linear e
quadrática usando os pontos
x0 = 1, f (x0 ) = 0; x1 = 4, f (x1 ) = 1,86294; x2 = 6, f (x2 ) = 1,91760

Exemplo
x0 = 1, f (x0 ) = 0; x1 = 4, f (x1 ) = 1,86294; x2 = 6, f (x2 ) = 1,91760
I Para a interpolação linear, usando x0 e x1 , obtemos diretamente:
x − x1 x − x0 2−4 2−1
p1 (x) = f (x0 ) + f (x1 ) ⇒ p1 (2) = 0 · + 1,86294 ·
x0 − x1 x1 − x0 1−4 4−1
Exemplo
x0 = 1, f (x0 ) = 0; x1 = 4, f (x1 ) = 1,86294; x2 = 6, f (x2 ) = 1,91760
I Para a interpolação linear, usando x0 e x1 , obtemos diretamente:
x − x1 x − x0 2−4 2−1
p1 (x) = f (x0 ) + f (x1 ) ⇒ p1 (2) = 0 · + 1,86294 ·
x0 − x1 x1 − x0 1−4 4−1
I Retornando p1 (2) = 0,462098, o mesmo valor obtido pelo polinômio de Newton.
Exemplo
I Para a interpolação quadrática, vamos usar todos os pontos:
x0 = 1, f (x0 ) = 0; x1 = 4, f (x1 ) = 1,86294; x2 = 6, f (x2 ) = 1,91760

Exemplo
x0 = 1, f (x0 ) = 0; x1 = 4, f (x1 ) = 1,86294; x2 = 6, f (x2 ) = 1,91760
I Do polinômio de Lagrange:
(x − x1 )(x − x2 ) (x − x0 )(x − x2 ) (x − x0 )(x − x1 )

p2 (x) = f (x0 ) + f (x1 ) + f (x2 )
(x0 − x1 )(x0 − x2 ) (x1 − x0 )(x1 − x2 ) (x2 − x0 )(x2 − x1 )
Exemplo
x0 = 1, f (x0 ) = 0; x1 = 4, f (x1 ) = 1,86294; x2 = 6, f (x2 ) = 1,91760
(x − x1 )(x − x2 ) (x − x0 )(x − x2 ) (x − x0 )(x − x1 )

p2 (x) = f (x0 ) + f (x1 ) + f (x2 )
(x0 − x1 )(x0 − x2 ) (x1 − x0 )(x1 − x2 ) (x2 − x0 )(x2 − x1 )
I Obtemos diretamente para x = 2:
(2 − 4)(2 − 6) (2 − 1)(2 − 6) (2 − 1)(2 − 4)

p2 (2) = 0 · + 1,86294 · + 1,91760 ·
(1 − 4)(1 − 6) (4 − 1)(4 − 6) (6 − 1)(6 − 4)
Exemplo
x0 = 1, f (x0 ) = 0; x1 = 4, f (x1 ) = 1,86294; x2 = 6, f (x2 ) = 1,91760
(x − x1 )(x − x2 ) (x − x0 )(x − x2 ) (x − x0 )(x − x1 )

p2 (x) = f (x0 ) + f (x1 ) + f (x2 )
(x0 − x1 )(x0 − x2 ) (x1 − x0 )(x1 − x2 ) (x2 − x0 )(x2 − x1 )
I Obtemos diretamente para x = 2:
(2 − 4)(2 − 6) (2 − 1)(2 − 6) (2 − 1)(2 − 4)

p2 (2) = 0 · + 1,86294 · + 1,91760 ·
(1 − 4)(1 − 6) (4 − 1)(4 − 6) (6 − 1)(6 − 4)
I Retornando p2 (2) = 0,565844, como antes.
Interpretação geométrica
I O raciocínio por trás da formulação de Lagrange pode ser entendido diretamente
percebendo-se que cada termo Li (x) será 1 em x = xi e 0 em todos os outros pon-
tos da amostra:
n
(
Y x − xj 1, i = k
Li (x) = ⇒ Li (xk ) =
x
j=0 i
− x j 0, i 6= k
j6=i
tos da amostra:
n
(
Y x − xj 1, i = k
Li (x) = ⇒ Li (xk ) =
x
j=0 i
− x j 0, i 6= k
j6=i
I Logo, cada produto f (xi )Li (x) assume o valor f (xi ) no ponto xi da amostra.
tos da amostra:
n
(
Y x − xj 1, i = k
Li (x) = ⇒ Li (xk ) =
x
j=0 i
− x j 0, i 6= k
j6=i
I Logo, cada produto f (xi )Li (x) assume o valor f (xi ) no ponto xi da amostra.
I Consequentemente, o somatório de todos os produtos indicados no polinômio de La-
grange é o único polinômio de grau n que passa exatamente por todos os n + 1 pontos
dados.
I A seguir uma figura para ilustrar essa ideia:
Comandos Maxima
I A interpolação polinomial no Maxima é feita com a função lagrange() invocada do
pacote interpol.
Comandos Maxima
pacote interpol.
I Como exemplo, para interpolar um conjunto de três pontos (x0 , y0 ), (x1 , y1 ), (x2 , y2 ):
load(interpol);
lagrange(
[
[x0,y0],[x1,y1],[x2,y2]
]
);
Comandos Maxima
pacote interpol.
load(interpol);
lagrange(
[
[x0,y0],[x1,y1],[x2,y2]
]
);
Pn
I A saída retorna um polinômio na forma de Lagrange i=0 yi Li (x).
Comandos Maxima
I Opcionalmente, para expandir o resultado:
load(interpol);
expand(
lagrange(
[
[x0,y0],[x1,y1],[x2,y2]
]
)
);
Comandos Maxima
I Opcionalmente, para expandir o resultado:
load(interpol);
expand(
lagrange(
[
[x0,y0],[x1,y1],[x2,y2]
]
)
);
I Isso deixa a saída na forma ni=0 ai xi .
P
Comandos Maxima
I Quando se deseja mudar o símbolo da variável para, por exemplo, t, basta adicionar a
opção varname=t após a lista de pontos:
load(interpol);
lagrange(
[
[x0,y0],[x1,y1],[x2,y2]
],
varname=t
);
Comandos Maxima
I Para criar uma função p(x) com o resultado da interpolação:
load(interpol);
p(x):=”(
lagrange(
[
[x0,y0],[x1,y1],[x2,y2]
]
)
)
Comandos Maxima
I É possível criar uma variável para armazenar os dados de entrada e realizar a interpo-
lação dessa variável:
dados:[
[x0,y0],[x1,y1],[x2,y2]
];
load(interpol);
lagrange(
dados
)
)
Considerações
I Embora ambos os polinômios, de Newton e de Lagrange, sejam adequados para a deter-
minação de valores intermediários entre pontos, não fornecem um polinômio conveniente
na forma convencional
p(x) = a0 + a1 x + a2 x2 + . . . + an xn
Considerações
I Embora ambos os polinômios, de Newton e de Lagrange, sejam adequados para a deter-
minação de valores intermediários entre pontos, não fornecem um polinômio conveniente
na forma convencional
p(x) = a0 + a1 x + a2 x2 + . . . + an xn
I Um método direto para calcular os coeficientes desses polinômios é baseado no fato de

que são necessários n + 1 pontos dados para determinar os n + 1 coeficientes.
Considerações
I Logo, equações algébricas lineares simultâneas podem ser usadas para calcular os ai :
2 n

a0 + a1 x0 + a2 x0 + . . . + an x0 = y0

 2 n
a0 + a1 x1 + a2 x1 + . . . + an x1 = y1



a0 + a1 x2 + a2 x22 + . . . + an xn2 = y2

 ..



 .
a0 + a1 xn + a2 x2n + . . . + an xnn = yn

Considerações
2 n

a0 + a1 x0 + a2 x0 + . . . + an x0 = y0

 2 n
a0 + a1 x1 + a2 x1 + . . . + an x1 = y1



a0 + a1 x2 + a2 x22 + . . . + an xn2 = y2

 ..



 .
a0 + a1 xn + a2 x2n + . . . + an xnn = yn

I Lembrando que todos os xi e yi são conhecidos.

Considerações
2 n

a0 + a1 x0 + a2 x0 + . . . + an x0 = y0

 2 n
a0 + a1 x1 + a2 x1 + . . . + an x1 = y1



a0 + a1 x2 + a2 x22 + . . . + an xn2 = y2

 ..



 .
a0 + a1 xn + a2 x2n + . . . + an xnn = yn

I Lembrando que todos os xi e yi são conhecidos.

I Dessa forma, basta aplicar qualquer uma das técnicas usadas para resolução de sistemas
lineares para se encontrar os valores dos coeficientes e assim determinar o polinômio
interpolador.
Exemplo
I Encontre o polinômio interpolador que passa pelos pontos {(0, 1), (1, 6), (2, 5), (3, −8)}.
Exemplo
I Encontre o polinômio interpolador que passa pelos pontos {(0, 1), (1, 6), (2, 5), (3, −8)}.
I Como são dados 4 pontos, devemos encontrar um polinômio interpolador de grau 3:
p(x) = a0 + a1 x + a2 x2 + a3 x3 . Assim:


 a0 + a1 x0 + a2 x20 + a3 x30 = y0
a + a x + a x2 + a x3

= y1
0 1 1 2 1 3 1


 a0 + a1 x2 + a2 x2 + a3 x32
2
= y2
a0 + a1 x3 + a2 x23 + a3 x33 = y3

Exemplo
I Montando o sistema de acordo com os dados fornecidos


 a0 + a1 · (0) + a2 · (0)2 + a3 · (0)3 = 1
a + a · (1) + a · (1)2 + a · (1)3 = 6

0 1 2 3
2 3


 a0 + a1 · (2) + a2 · (2) + a3 · (2) = 5
2 3
a0 + a1 · (3) + a2 · (3) + a3 · (3) = −8

Exemplo
 

 a0 + a1 · (0) + a2 · (0)2 + a3 · (0)3 = 1 
 a0 =1
a + a · (1) + a · (1)2 + a · (1)3 = 6
 
a + a + a + a =6
0 1 2 3 0 1 2 3
2 3
⇒


 a0 + a1 · (2) + a2 · (2) + a3 · (2) = 5 

 a0 + 2a 1 + 4a2 + 8a3 =5
2 3
a0 + a1 · (3) + a2 · (3) + a3 · (3) = −8 a0 + 3a1 + 9a2 + 27a3 = −8
 
I Que pode ser resolvido usando uma das técnicas diretas aprendidas anteriormente.
Vamos resolver por escalonamento.
Exemplo
 

 a0 + a1 · (0) + a2 · (0)2 + a3 · (0)3 = 1 
 a0 =1
a + a · (1) + a · (1)2 + a · (1)3 = 6
 
a + a + a + a =6
0 1 2 3 0 1 2 3
2 3
⇒


 a0 + a1 · (2) + a2 · (2) + a3 · (2) = 5 

 a0 + 2a 1 + 4a2 + 8a3 =5
2 3
a0 + a1 · (3) + a2 · (3) + a3 · (3) = −8 a0 + 3a1 + 9a2 + 27a3 = −8
 
I Que pode ser resolvido usando uma das técnicas diretas aprendidas anteriormente.
Vamos resolver por escalonamento.
I A matriz estendida fica  
1 0 0 0 1
1 1 1 1 6
[A|b] = 
1 2 4 8

5
1 3 9 27 −8
Exemplo
I Aplicando a técnica para anular os elementos abaixo do pivô a11 = 1:
 
1 0 0 0 1
1 1 1 1 6
[A|b] =  ∼
1 2 4 8 5
1 3 9 27 −8
Exemplo
   
1 0 0 0 1 1 0 0 0 1
1 1 1 1 6 0 1 1 1 5
[A|b] =  ∼  
1 2 4 8 5 0 2 4 8 4
1 3 9 27 −8 0 3 9 27 −9
Exemplo
   
1 0 0 0 1 1 0 0 0 1
1 1 1 1 6 0 1 1 1 5
[A|b] =  ∼  
1 2 4 8 5 0 2 4 8 4
1 3 9 27 −8 0 3 9 27 −9
I Anulando os elementos abaixo do pivô a022 = 1:

 
1 0 0 0 1
0 1 1 1 5
[A|b] ∼ 
0 2
∼
4 8 4
0 3 9 27 −9
Exemplo
   
1 0 0 0 1 1 0 0 0 1
1 1 1 1 6 0 1 1 1 5
[A|b] =  ∼  
1 2 4 8 5 0 2 4 8 4
1 3 9 27 −8 0 3 9 27 −9

   
1 0 0 0 1 1 0 0 0 1
0 1 1 1 5 0 1 1 1 5 
[A|b] ∼  ∼  
0 2 4 8 4 0 0 2 6 −6 
0 3 9 27 −9 0 0 6 24 −24
Exemplo
 
1 0 0 0 1
0 1 1 1 5 
[A|b] ∼  ∼
0 0 2 6 −6 
0 0 6 24 −24
Exemplo
   
1 0 0 0 1 1 0 0 0 1
0 1 1 1 5  0 1 1 1 5
[A|b] ∼  ∼  
0 0 2 6 −6  0 0 2 6 −6
0 0 6 24 −24 0 0 0 6 −6
Exemplo
   
1 0 0 0 1 1 0 0 0 1
0 1 1 1 5  0 1 1 1 5
[A|b] ∼  ∼  
0 0 2 6 −6  0 0 2 6 −6
0 0 6 24 −24 0 0 0 6 −6
I Anulando os elementos acima do pivô a000

44 = 6:
 
1 0 0 0 1
0 1 1 1 5
[A|b] ∼  ∼
0 0 2 6 −6
0 0 0 6 −6
Exemplo
   
1 0 0 0 1 1 0 0 0 1
0 1 1 1 5  0 1 1 1 5
[A|b] ∼  ∼  
0 0 2 6 −6  0 0 2 6 −6
0 0 6 24 −24 0 0 0 6 −6
I Anulando os elementos acima do pivô a000

44 = 6:
   
1 0 0 0 1 1 0 0 0 1
0 1 1 1 5 0 1 1 0 6
[A|b] ∼  ∼  
0 0 2 6 −6 0 0 2 0 0
0 0 0 6 −6 0 0 0 6 −6
Exemplo
I Finalmente anulando os elementos acima do pivô a0000
33 = 2:
 
1 0 0 0 1
0 1 1 0 6 
[A|b] ∼ 
0 0 2 0 0  ∼

0 0 0 6 −6
Exemplo
I Finalmente anulando os elementos acima do pivô a0000
33 = 2:
   
1 0 0 0 1 1 0 0 0 1
0 1 1 0 6  0 1 0 0 6
[A|b] ∼ 
0 0 2 0 0  ∼ 0 0 2
  
0 0
0 0 0 6 −6 0 0 0 6 −6
Exemplo
I Reescalando os elementos da diagonal principal:
 
1 0 0 0 1
0 1 0 0 6
[A|b] ∼ 
0
∼
0 2 0 0
0 0 0 6 −6
Exemplo
   
1 0 0 0 1 1 0 0 0 1
0 1 0 0 6 0 1 0 0 6
[A|b] ∼ 
0
∼  
0 2 0 0 0 0 1 0 0
0 0 0 6 −6 0 0 0 1 −1
Exemplo
   
1 0 0 0 1 1 0 0 0 1
0 1 0 0 6 0 1 0 0 6
[A|b] ∼ 
0
∼  
0 2 0 0 0 0 1 0 0
0 0 0 6 −6 0 0 0 1 −1
I Solução: a0 = 1, a1 = 6, a2 = 0, a3 = −1, produzindo o polinômio interpolador

p(x) = 1 + 6x − x3 .
Considerações
I A interpolação polinomial de uma função obviamente é uma aproximação. Portanto,
erros estão associados a esta operação.
Considerações
I Dada a natureza da interpolação polinomial, esses erros são exemplos de erros de
truncamento.
Considerações
I Dada a natureza da interpolação polinomial, esses erros são exemplos de erros de
truncamento.
I A avaliação dos erros na interpolação polinomial é feita a partir do polinômio inter-
polador de Newton e da estimativa dos erros na série de Taylor.
Erros na série de Taylor

I Considere uma função f (x) de forma que ela e suas n + 1 derivadas são contínuas em
torno de um ponto x = x0 .

I A série de Taylor dessa função em torno de x = x0 é dada por
f 00 (x0 )
f (x) = f (x0 ) + f 0 (x0 )(x − x0 ) + (x − x0 )2
2!
f 000 (x0 ) f (n) (x0 )
+ (x − x0 )3 + . . . + (x − x0 )n + Rn
3! n!

I A série de Taylor dessa função em torno de x = x0 é dada por
f 00 (x0 )
f (x) = f (x0 ) + f 0 (x0 )(x − x0 ) + (x − x0 )2
2!
f 000 (x0 ) f (n) (x0 )
+ (x − x0 )3 + . . . + (x − x0 )n + Rn
3! n!
I O termo Rn é chamado resto da série, sendo o erro de truncamento associado à subs-
tituição da função f (x) pela aproximação em série de Taylor até ordem n.

I O valor de Rn é dado por
x
(x − t)n
Z
Rn = f (n+1) (t) dt
x0 n!

x
(x − t)n
Z
Rn = f (n+1) (t) dt
x0 n!
I Esse resultado pode ser simplificado usando o teorema do valor médio para integrais:
f (n+1) (ξ)
Rn = (x − x0 )n+1
(n + 1)!

x
(x − t)n
Z
Rn = f (n+1) (t) dt
x0 n!
f (n+1) (ξ)
Rn = (x − x0 )n+1
(n + 1)!
I Onde ξ é um ponto entre x0 e x.

x
(x − t)n
Z
Rn = f (n+1) (t) dt
x0 n!
f (n+1) (ξ)
Rn = (x − x0 )n+1
(n + 1)!
I Onde ξ é um ponto entre x0 e x.
I A última expressão para o resto é chamada de forma derivada ou forma de Lagrange.
Erro de truncamento na interpolação polinomial

I Dado o erro de truncamento da série de Taylor, uma forma análoga para o erro na
interpolação polinomial é dada por
f (n+1) (ξ)
Rn = (x − x0 )(x − x1 )(x − x2 ) · · · (x − xn )
(n + 1)!

I Dado o erro de truncamento da série de Taylor, uma forma análoga para o erro na
interpolação polinomial é dada por
f (n+1) (ξ)
Rn = (x − x0 )(x − x1 )(x − x2 ) · · · (x − xn )
(n + 1)!
I Onde {x0 , x1 , . . . , xn } são os pontos interpolados e ξ é um ponto dentro do intervalo de
dados.

I Para que a fórmula anterior seja calculável, é necessário derivar a função (n + 1) vezes.

I Em geral isso não é possível, seja pela natureza da função, seja porque temos apenas
dados (pontos discretos).

I Em geral isso não é possível, seja pela natureza da função, seja porque temos apenas
dados (pontos discretos).
I Felizmente há uma alternativa, que é usar a diferença dividida finita para aproximar a
avaliação analítica da derivada:
Rn = f [x, xn , xn−1 , . . . , x1 , x0 ](x − x0 )(x − x1 )(x − x2 ) · · · (x − xn )


I Como a variável x está presente na expressão anterior, ela não serve para determinar o
valor do erro.

I Como a variável x está presente na expressão anterior, ela não serve para determinar o
valor do erro.
I Contudo, se estiver disponível mais um dado adicional xn+1 , então o erro Rn pode ser
estimado a partir de
Rn ≈ f [xn+1 , xn , xn−1 , . . . , x1 , x0 ](x − x0 )(x − x1 )(x − x2 ) · · · (x − xn )

Exemplo
I Revisite o problema de estimar ln(2) usando interpolação quadrática, avaliando o erro
pela fórmula recém-deduzida.
Exemplo
I Os pontos dados eram x = {1, 4, 6} com um ponto adicional x = 5.
Exemplo
I Pela fórmula do erro de truncamento:

Exemplo
I Para a situação do exemplo:
R2 ≈ f [5, 6, 4, 1](x − 1)(x − 4)(x − 6)

Exemplo
I Para a situação do exemplo:
R2 ≈ f [5, 6, 4, 1](x − 1)(x − 4)(x − 6)
I Precisamos avaliar f [5, 6, 4, 1], o que foi feito antes.

Exemplo
I Resgatando o quadro das diferenças divididas:
xi f [xi ] f [xi , xi−1 ] f [xi , xi−1 , xi−2 ] f [xi , xi−1 , xi−2 , xi−3 , ]
1 0,000000
0,4620980
4 1,386294 -0,0518731
0,2027325 0,0078654
6 1,791759 -0,0204115
0,1823210
5 1,609438
Exemplo
I Resgatando o quadro das diferenças divididas:
xi f [xi ] f [xi , xi−1 ] f [xi , xi−1 , xi−2 ] f [xi , xi−1 , xi−2 , xi−3 , ]
1 0,000000
0,4620980
4 1,386294 -0,0518731
0,2027325 0,0078654
6 1,791759 -0,0204115
0,1823210
5 1,609438
I O número que nos interessa é o mais à direita: f [5, 6, 4, 1] ≈ 0,0078654.
Exemplo
I Assim, o erro R2 avaliado para o ponto x = 2 retorna
R2 ≈ 0,0078654(2 − 1)(2 − 4)(2 − 6) ≈ 0,0629232

Exemplo
R2 ≈ 0,0078654(2 − 1)(2 − 4)(2 − 6) ≈ 0,0629232
I A interpolação polinomial quadrática produz
ln(6) ln(4)
p2 (x) = (x − 1)(x − 4) − (x − 1)(x − 6)
10 6
Exemplo
R2 ≈ 0,0078654(2 − 1)(2 − 4)(2 − 6) ≈ 0,0629232
ln(6) ln(4)
p2 (x) = (x − 1)(x − 4) − (x − 1)(x − 6)
10 6
I O erro verdadeiro, calculado a partir da diferença entre o valor exato e a interpolação
quadrática, é
ln(2) − p2 (2) ≈ 0,127303
Exemplo
R2 ≈ 0,0078654(2 − 1)(2 − 4)(2 − 6) ≈ 0,0629232
ln(6) ln(4)
p2 (x) = (x − 1)(x − 4) − (x − 1)(x − 6)
10 6
I O erro verdadeiro, calculado a partir da diferença entre o valor exato e a interpolação
quadrática, é
ln(2) − p2 (2) ≈ 0,127303
I O erro estimado em R2 é da mesma ordem de grandeza do erro verdadeiro.
Considerações
I A interpolação polinomial pode ser uma técnica para estimar valores desconhecidos a
partir de um conjunto de pontos conhecidos.
Considerações
I Contudo, duas situações podem gerar grandes problemas de precisão que podem levar
a interpretações incorretas do fenômeno:
Considerações
1. Extrapolação.
Considerações
1. Extrapolação.
2. Interpolação com um número muito grande de pontos (polinômio interpolador de alto
grau).
Considerações
1. Extrapolação.
2. Interpolação com um número muito grande de pontos (polinômio interpolador de alto
grau).
I Vamos discutir cada uma delas.
Extrapolação
I A extrapolação é o processo de fazer uma estimativa de um valor de f (x) que está fora
do intervalo dos pontos base conhecidos, x0 , x1 , . . . , xn .
Extrapolação
I A interpolação mais acurada é geralmente obtida quando a incógnita está perto do
centro dos pontos base.
Extrapolação
I Obviamente, isso é violado quando a incógnita está fora do intervalo, já que, para
qualquer polinômio vale
lim |px (x)| = ∞
x→±∞
Extrapolação
I Obviamente, isso é violado quando a incógnita está fora do intervalo, já que, para
qualquer polinômio vale
lim |px (x)| = ∞
x→±∞
I Consequentemente, o erro na extrapolação pode ser muito alto.

Exemplo
I Obtenha o polinômio interpolador da curva exp(−x) usando x0 = −1, x1 = 0 e x2 = 1.
Estime o valor de exp(2) usando o polinômio obtido e compare com o valor exato.
Exemplo
I O polinômio interpolador exato é:

e 1 2 e 1
p2 (x) = + −1 x − − x+1
2 2e 2 2e
Exemplo
I O polinômio interpolador exato é:

e 1 2 e 1
p2 (x) = + −1 x − − x+1
2 2e 2 2e
I Onde e = 2,7182818 . . . é o conhecido número de Euler.
Exemplo
I O gráfico abaixo ilustra a situação:
Exemplo
I O gráfico abaixo ilustra a situação:
I O resultado da estimativa da extrapolação é p2 (2) = e + 3/e − 3 ≈ 0,821920 . . ., que

representa um erro de 507% em comparação com o valor exato 1/e2 .
Extrapolação
I Como descrito no exemplo anterior, a natureza de extremidade aberta da extrapolação
representa um passo no desconhecido, pois o processo estende a curva além da região
conhecida.
Extrapolação
conhecida.
I Dessa forma, a curva verdadeira poderia facilmente divergir da previsão.
Extrapolação
conhecida.
I Dessa forma, a curva verdadeira poderia facilmente divergir da previsão.
I Portanto, deve-se tomar extremo cuidado quando ocorrer um caso no qual seja preciso
extrapolar.
Polinômio interpolador de alto grau

I Para a estimativa de um valor dentro do intervalo dos dados, a interpolação oferece
valores razoáveis, contudo, algumas ressalvas devem ser feitas.

I Se a quantidade de pontos for muito grande, a curva da interpolação capturaria todas
as oscilações sugeridas por esses pontos.

I Essas oscilações podem ser indesejadas ou refletir um comportamento inadequado do
fenômeno.

I Essas oscilações podem ser indesejadas ou refletir um comportamento inadequado do
fenômeno.
I Normalmente ocorrem próximo às fronteiras dos dados fornecidos, o que está associado
com o problema da extrapolação.
Exemplo
I Faça a interpolação polinomial dos seguintes pontos:
x y
−5 −1,000
−4 −1,000
−3 −0,995
−2 −0,964
−1 −0,762
0 0,000
1 0,762
2 0,964
3 0,995
4 1,000
5 1,000
Exemplo
I A situação é ilustrada abaixo.
Exemplo
I A situação é ilustrada abaixo.
I Note o comportamento destoante da curva próximo aos extremos dos dados.

Considerações
I Quando o polinômio interpolador possui um alto grau, vimos que principalmente pró-
ximo às fronteiras podem ocorrer comportamentos destoantes da curva relativamente
aos dados.
Considerações
aos dados.
I Tais comportamentos podem levar a análises totalmente equivocadas do fenômeno.
Considerações
aos dados.
I Uma abordagem alternativa é aplicar polinômios de grau mais baixo a subconjuntos
dos pontos dados.
Considerações
aos dados.
dos pontos dados.
I Normalmente se faz essa aplicação a pares de pontos. Portanto, é importante ordenar
os valores de x antes de se realizar tal procedimento.
Considerações
aos dados.
dos pontos dados.
I Por ter um grau mais baixo, esses polinômios possuem menos “liberdade”, ou seja, estão
menos sujeitos àquelas oscilações indesejadas mostradas anteriormente.
Considerações
aos dados.
dos pontos dados.
I Tais polinômios conectadores são chamados funções splines.
Considerações
aos dados.
dos pontos dados.
I Tais polinômios conectadores são chamados funções splines.
I Os tipos principais de splines são o linear e cúbico.
Splines lineares
I A ligação mais simples entre dois pontos é uma reta.
Splines lineares
I Os splines de primeiro grau para um grupo de pontos ordenados podem ser definidos
como um conjunto de funções lineares

p(x) = y0 + m0 (x − x0 ),


x0 6 x 6 x1
p(x) = y1 + m1 (x − x1 ),

x1 6 x 6 x2
 .
..



p(x) = yn−1 + mn−1 (x − xn−1 ), xn−1 6 x 6 xn

onde mi é a inclinação da reta ligando os pontos:

yi+1 − yi
mi =
xi+1 − xi
Splines lineares
I Os splines de primeiro grau para um grupo de pontos ordenados podem ser definidos
como um conjunto de funções lineares

p(x) = y0 + m0 (x − x0 ),


x0 6 x 6 x1
p(x) = y1 + m1 (x − x1 ),

x1 6 x 6 x2
 .
..



p(x) = yn−1 + mn−1 (x − xn−1 ), xn−1 6 x 6 xn

onde mi é a inclinação da reta ligando os pontos:

yi+1 − yi
mi =
xi+1 − xi
I A única exigência do spline linear é que a função interpoladora deva ser contínua.
Splines lineares
I Essas equações podem ser usadas para calcular a função em qualquer ponto entre x0 e
xn , primeiro localizando-se o intervalo no qual o ponto se encontra.
Splines lineares
I A seguir, a equação apropriada é usada para determinar o valor da função dentro do
intervalo.
Splines lineares
I A seguir, a equação apropriada é usada para determinar o valor da função dentro do
intervalo.
I O método é obviamente idêntico à interpolação linear.
Comandos Maxima
I Splines lineares fazem parte do pacote interpol. São invocados pela função
linearinterpol().
Comandos Maxima
linearinterpol().
load(interpol);
linearinterpol(
[
[x0,y0],[x1,y1],[x2,y2]
]
);
Comandos Maxima
linearinterpol().
load(interpol);
linearinterpol(
[
[x0,y0],[x1,y1],[x2,y2]
]
);
I Os comentários e opções feitos para a função lagrange() servem para a
linearinterpol().
Exemplo
I Faça o spline linear dos pontos
x 0 1 2 3 4 5
y 0 4 3 0 2 0
Exemplo
I A função desejada possui a forma
y1 − y0


 p(x) = y0 + (x − x0 ), x0 6 x 6 x1
x 1 − x0








 y2 − y1
p(x) = y1 + (x − x1 ), x1 6 x 6 x2


2 − x1



 x




 y3 − y2
p(x) = y2 + (x − x2 ), x2 6 x 6 x3

 x3 − x2



y4 − y3




 p(x) = y3 + (x − x3 ), x3 6 x 6 x4
x4 − x3







y − y4


p(x) = y4 + 5 (x − x4 ),

 x4 6 x 6 x5
x5 − x4
Exemplo
4−0


 p(x) = 0 + (x − 0), 06x61
1−0







3−4


(x − 1),


 p(x) = 4 + 16x62



 2−1



 0−3
p(x) = 3 + (x − 2), 26x63

 3−2



2−0




 p(x) = 0 + (x − 3), 36x64
4−3







0−2


(x − 4),

p(x) = 2 +
 46x65
5−4
Exemplo


 p(x) = 4x, 06x61





p(x) = −x + 5,




 16x62




p(x) = −3x + 9, 26x63









 p(x) = 2x − 6, 36x64





p(x) = −2x + 10, 46x65

Exemplo
I A figura abaixo ilustra a solução:
Splines lineares
I A principal desvantagem dos splines lineares é que eles não são lisos.
Splines lineares
I Essencialmente, nos pontos dados nos quais dois splines se encontram (chamados nós),
a inclinação varia abruptamente.
Splines lineares
I Fisicamente, a primeira derivada da função é descontínua nesses pontos.
Splines lineares
I Essa descontinuidade torna-se um problema em inúmeras situações onde precisa-se ava-
liar a taxa de variação de alguma grandeza (velocidade, aceleração, corrente elétrica,
potência, gradientes etc.).
Splines lineares
I Essa descontinuidade torna-se um problema em inúmeras situações onde precisa-se ava-
liar a taxa de variação de alguma grandeza (velocidade, aceleração, corrente elétrica,
potência, gradientes etc.).
I Tal deficiência é superada usando-se splines polinomiais de grau mais alto, que garantem
que eles sejam lisos nos nós, igualando as derivadas em tais pontos.
Splines cúbicos
I Polinômios de terceiro grau ou splines cúbicos que garantam continuidade das deri-
vadas primeira e segunda são usados mais frequentemente na prática.
Splines cúbicos
I Polinômios de terceiro grau ou splines cúbicos que garantam continuidade das deri-
vadas primeira e segunda são usados mais frequentemente na prática.
I Embora derivadas de terceira ordem ou superior possam ser descontínuas
quando usando splines cúbicos, elas não podem ser detectadas visualmente e,
consequentemente, são ignoradas.
Splines cúbicos
I A razão física para adotar splines cúbicos, vem do comportamento físico de réguas
delgadas com estrutura elástica homogênea e perfil uniforme sujeitas aos vínculos re-
presentados pelos pontos do conjunto dado.
Splines cúbicos
I A equação diferencial que rege o comportamento do perfil dessas réguas é um caso
particular da equação da viga de Euler-Bernoulli, que para essa situação tem a forma
d4 y
=0
dx4
Splines cúbicos
I A equação diferencial que rege o comportamento do perfil dessas réguas é um caso
particular da equação da viga de Euler-Bernoulli, que para essa situação tem a forma
d4 y
=0
dx4
I Cuja solução geral é um polinômio de grau 3.
Splines cúbicos
I O objetivo nos splines cúbicos é determinar um polinômio de grau 3 para cada intervalo
entre os nós, como em
p(x) = ai x3 + bi x2 + ci x + di
Splines cúbicos
I Logo, para n + 1 pontos dados (i = 0, 1, 2, . . . , n), existem n intervalos e, consequente-
mente, 4n constantes indeterminadas para calcular.
Splines cúbicos
I Logo, para n + 1 pontos dados (i = 0, 1, 2, . . . , n), existem n intervalos e, consequente-
mente, 4n constantes indeterminadas para calcular.
I Precisamos de 4n condições ou equações para resolver as incógnitas.
Splines cúbicos
I As 4n condições são as seguinte:
Splines cúbicos
1. Interpolação: dados e polinômios devem ser iguais em todos os nós (n + 1 condições).
Splines cúbicos
2. Continuidade da função: polinômios adjacentes devem ser iguais nos nós interiores
(n − 1 condições).
Splines cúbicos
3. Continuidade da derivada primeira: as derivadas primeiras nos nós interiores devem ser
iguais (n − 1 condições).
Splines cúbicos
4. Continuidade da derivada segunda: as derivadas segundas nos nós interiores devem ser
Splines cúbicos
5. Extremos retos: as derivadas segundas nos nós extremos são nulas (2 condições)
Splines cúbicos
I As condições envolvendo derivadas tornam o spline liso.
Splines cúbicos
I A interpretação visual da condição 5 é que a função se torna uma reta nos nós extremos.
Splines cúbicos
I A interpretação visual da condição 5 é que a função se torna uma reta nos nós extremos.
I Tais condições nas extremidades leva ao que é chamado de spline “natural”.
Splines cúbicos
I Colocando de outra maneira:
1. Dados e polinômios devem ser iguais (n + 1 condições).
2. Nós internos: polinômios, derivadas primeiras e segundas são iguais (3n − 3 condições).
3. Nós externos: derivadas segundas são nulas (2 condições).
Comandos Maxima
I Splines cúbicos também fazem parte do pacote interpol. São invocados pela função
cspline().
Comandos Maxima
cspline().
load(interpol);
cspline(
[
[x0,y0],[x1,y1],[x2,y2]
]
);
Comandos Maxima
cspline().
load(interpol);
cspline(
[
[x0,y0],[x1,y1],[x2,y2]
]
);
I Os comentários e opções feitos para a função lagrange() e linearinterpol() servem
para a cspline().
Exemplo
I Faça o spline cúbico dos pontos e compare com o resultado obtido para o spline linear.
x 0 1 2 3 4 5
y 0 4 3 0 2 0
Exemplo
Exemplo
I Usando o mesmo conjunto de pontos anterior {(0, 0), (1, 4), (2, 3), (3, 0), (4, 2), (5, 0)},
faça uma interpolação polinomial e compare com os splines linear e cúbico.
Exemplo

Cap 07

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

Cap 07

Enviado por

Direitos autorais:

Formatos disponíveis

Física Computacional

Semestre letivo 2023.1

Prof. Dr. Eduardo Diniz

Universidade Federal do Maranhão

O que veremos neste capítulo

I A partir dos triângulos

p1 (x) − f (x0 ) f (x1 ) − f (x0 )

Fórmula de interpolação linear

Fórmula de interpolação linear

x0 = 1 ⇒ f (x0 ) = 0, x1 = 4 ⇒ f (x1 ) = 1,386294, x1 = 6 ⇒ f (x1 ) = 1,791759

x0 = 1 ⇒ f (x0 ) = 0, x1 = 4 ⇒ f (x1 ) = 1,386294, x1 = 6 ⇒ f (x1 ) = 1,791759

I Para o primeiro par x0 = 1 e x1 = 6, a fórmula de interpolação linear resulta

x0 = 1 ⇒ f (x0 ) = 0, x1 = 4 ⇒ f (x1 ) = 1,386294, x1 = 6 ⇒ f (x1 ) = 1,791759

I Para o primeiro par x0 = 1 e x1 = 6, a fórmula de interpolação linear resulta

I Note que b1 ainda representa a inclinação da reta ligando os pontos x0 e x1 .

I Note que b1 ainda representa a inclinação da reta ligando os pontos x0 e x1 .

I Note que b1 ainda representa a inclinação da reta ligando os pontos x0 e x1 .

Coeficientes da interpolação quadrática

f (x2 ) − f (x1 ) f (x1 ) − f (x0 )

x0 = 1, f (x0 ) = 0; x1 = 4, f (x1 ) = 1,386294; x1 = 6, f (x1 ) = 1,791759

x0 = 1, f (x0 ) = 0; x1 = 4, f (x1 ) = 1,386294; x1 = 6, f (x1 ) = 1,791759

I Determinam os coeficientes de forma que

pn (x) = b0 + b1 (x − x0 ) + b2 (x − x0 )(x − x1 ) + . . . + bn (x − x0 )(x − x1 ) · · · (x − xn−1 )

pn (x) = b0 + b1 (x − x0 ) + b2 (x − x0 )(x − x1 ) + . . . + bn (x − x0 )(x − x1 ) · · · (x − xn−1 )

I Determinando os coeficientes bi , encontra-se o polinômio interpolador.

pn (x) = b0 + b1 (x − x0 ) + b2 (x − x0 )(x − x1 ) + . . . + bn (x − x0 )(x − x1 ) · · · (x − xn−1 )

I Determinando os coeficientes bi , encontra-se o polinômio interpolador.

Diferenças divididas de Newton

pn (x) = b0 + b1 (x − x0 ) + b2 (x − x0 )(x − x1 ) + . . . + bn (x − x0 )(x − x1 ) · · · (x − xn−1 )

Diferenças divididas de Newton

pn (x) = b0 + b1 (x − x0 ) + b2 (x − x0 )(x − x1 ) + . . . + bn (x − x0 )(x − x1 ) · · · (x − xn−1 )

I A substituição dos pontos (xi , yi ) gera o sistema triangular inferior:

I Nota-se que há um padrão na estrutura dos coeficientes.

Diferenças divididas de Newton

Diferenças divididas de Newton

Diferenças divididas de Newton

Diferenças divididas de Newton

Diferenças divididas de Newton

Diferenças divididas de Newton

Diferenças divididas de Newton

Coeficientes do polinômio de Newton

Polinômio interpolador de Newton

Esquema de diferenças divididas de Newton - exemplo com três pontos

p3 (x) = 0,4620980(x − 1) − 0,0518731(x − 1)(x − 4) + 0,0078654(x − 1)(x − 4)(x − 6)

x0 = 1, f (x0 ) = 0; x1 = 4, f (x1 ) = 1,86294; x2 = 6, f (x2 ) = 1,91760

x0 = 1, f (x0 ) = 0; x1 = 4, f (x1 ) = 1,86294; x2 = 6, f (x2 ) = 1,91760

I Para a interpolação linear, usando x0 e x1 , obtemos diretamente:

x0 = 1, f (x0 ) = 0; x1 = 4, f (x1 ) = 1,86294; x2 = 6, f (x2 ) = 1,91760

I Para a interpolação linear, usando x0 e x1 , obtemos diretamente:

x0 = 1, f (x0 ) = 0; x1 = 4, f (x1 ) = 1,86294; x2 = 6, f (x2 ) = 1,91760

x0 = 1, f (x0 ) = 0; x1 = 4, f (x1 ) = 1,86294; x2 = 6, f (x2 ) = 1,91760

(x − x1 )(x − x2 ) (x − x0 )(x − x2 ) (x − x0 )(x − x1 )

x0 = 1, f (x0 ) = 0; x1 = 4, f (x1 ) = 1,86294; x2 = 6, f (x2 ) = 1,91760

(x − x1 )(x − x2 ) (x − x0 )(x − x2 ) (x − x0 )(x − x1 )

(2 − 4)(2 − 6) (2 − 1)(2 − 6) (2 − 1)(2 − 4)

x0 = 1, f (x0 ) = 0; x1 = 4, f (x1 ) = 1,86294; x2 = 6, f (x2 ) = 1,91760

(x − x1 )(x − x2 ) (x − x0 )(x − x2 ) (x − x0 )(x − x1 )

(2 − 4)(2 − 6) (2 − 1)(2 − 6) (2 − 1)(2 − 4)

I Um método direto para calcular os coeficientes desses polinômios é baseado no fato de

I Lembrando que todos os xi e yi são conhecidos.

I Lembrando que todos os xi e yi são conhecidos.

I Anulando os elementos abaixo do pivô a022 = 1:

I Anulando os elementos abaixo do pivô a022 = 1: