Escolar Documentos
Profissional Documentos
Cultura Documentos
Cap 07
Cap 07
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
Considerações
I Em geral, os dados são fornecidos em um conjunto discreto de valores entre um contínuo
de possibilidades.
7.1 - Introdução
Considerações
I Em geral, os dados são fornecidos em um conjunto discreto de valores entre um contínuo
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
I Em geral, os dados são fornecidos em um conjunto discreto de valores entre um contínuo
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.
I Além disso, também é possível obter uma versão simplificada de uma função complicada.
7.1 - Introdução
Considerações
I Em geral, os dados são fornecidos em um conjunto discreto de valores entre um contínuo
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.
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 Essa função é chamada função interpoladora.
I É uma exigência sine qua non que a função interpoladora passe exatamente por todos
os pontos.
7.1 - Introdução
Características
I Essa função é chamada função interpoladora.
I É uma exigência sine qua non que a função interpoladora passe exatamente por todos
os pontos.
I Ao exigir a correspondência exata entre a função e os dados fornecidos, procedimentos
analíticos são demandados.
7.1 - Introdução
Características
I Essa função é chamada função interpoladora.
I É uma exigência sine qua non que a função interpoladora passe exatamente por todos
os pontos.
I Ao exigir a correspondência exata entre a função e os dados fornecidos, procedimentos
analíticos são demandados.
I A rigor, a função interpoladora pode ter qualquer natureza (polinomial, trigonométrica,
logarítmica, exponencial etc. ou uma combinação delas).
7.1 - Introdução
Características
I Essa função é chamada função interpoladora.
I É uma exigência sine qua non que a função interpoladora passe exatamente por todos
os pontos.
I Ao exigir a correspondência exata entre a função e os dados fornecidos, procedimentos
analíticos são demandados.
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.
7.2 - Interpolação polinomial
Características
I Interpolação polinomial é um caso particular do problema geral de interpolação, no qual
a família de funções é constituída de polinômios.
7.2 - Interpolação polinomial
Características
I Interpolação polinomial é um caso particular do problema geral de interpolação, no qual
a família de funções é constituída de polinômios.
I Para um dado conjunto de pontos, existe um único polinômio interpolador.
7.2 - Interpolação polinomial
Características
I Interpolação polinomial é um caso particular do problema geral de interpolação, no qual
a família de funções é constituída de polinômios.
I Para um dado conjunto de pontos, existe um único polinômio interpolador.
I Existem várias técnicas para se determinar o polinômio interpolador. Aqui veremos
três:
7.2 - Interpolação polinomial
Características
I Interpolação polinomial é um caso particular do problema geral de interpolação, no qual
a família de funções é constituída de polinômios.
I Para um dado conjunto de pontos, existe um único polinômio interpolador.
I Existem várias técnicas para se determinar o polinômio interpolador. Aqui veremos
três:
1. Polinômios interpoladores de Newton.
7.2 - Interpolação polinomial
Características
I Interpolação polinomial é um caso particular do problema geral de interpolação, no qual
a família de funções é constituída de polinômios.
I Para um dado conjunto de pontos, existe um único polinômio interpolador.
I Existem várias técnicas para se determinar o polinômio interpolador. Aqui veremos
três:
1. Polinômios interpoladores de Newton.
2. Polinômios interpoladores de Lagrange.
7.2 - Interpolação polinomial
Características
I Interpolação polinomial é um caso particular do problema geral de interpolação, no qual
a família de funções é constituída de polinômios.
I Para um dado conjunto de pontos, existe um único polinômio interpolador.
I Existem várias técnicas para se determinar o polinômio interpolador. Aqui veremos
três:
1. Polinômios interpoladores de Newton.
2. Polinômios interpoladores de Lagrange.
3. Determinação dos coeficientes por sistemas lineares.
7.2 - Interpolação polinomial
Interpolação linear
I A forma mais simples de interpolação é ligar dois pontos dados com uma reta.
7.2 - Interpolação polinomial
Interpolação linear
I A forma mais simples de interpolação é ligar dois pontos dados com uma reta.
I A técnica é chamada de interpolação linear.
7.2 - Interpolação polinomial
Interpolação linear
I Sua fórmula pode ser obtida a partir de semelhança de triângulos:
7.2 - Interpolação polinomial
Interpolação linear
I Sua fórmula pode ser obtida a partir de semelhança de triângulos:
Exemplo
I Faça uma estimativa do logaritmo natural de 2 usando uma interpolação linear.
7.2 - Interpolação polinomial
Exemplo
I Faça uma estimativa do logaritmo natural de 2 usando uma interpolação linear.
I Primeiro, faça o cálculo interpolando entre ln(1) = 0 e ln(6) = 1,791759.
7.2 - Interpolação polinomial
Exemplo
I Faça uma estimativa do logaritmo natural de 2 usando uma interpolação linear.
I Primeiro, faça o cálculo interpolando entre ln(1) = 0 e ln(6) = 1,791759.
I Então, repita o procedimento, mas use o intervalo menor de ln(1) a ln(4) = 1,386294.
7.2 - Interpolação polinomial
Exemplo
I Faça uma estimativa do logaritmo natural de 2 usando uma interpolação linear.
I Primeiro, faça o cálculo interpolando entre ln(1) = 0 e ln(6) = 1,791759.
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.
7.2 - Interpolação polinomial
Exemplo
I A partir do enunciado:
Exemplo
I A partir do enunciado:
1,791759 − 0
p1 (x) = 0 + (x − 1) ⇒ p1 (x) = 0,3583518(x − 1) ⇒ p1 (2) = 0,3583518
6−1
7.2 - Interpolação polinomial
Exemplo
I A partir do enunciado:
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
7.2 - Interpolação polinomial
Exemplo
I Determinando os erros, a primeira interpolação erra em 48,3% e a segunda em 33,3%.
7.2 - Interpolação polinomial
Exemplo
I Determinando os erros, a primeira interpolação erra em 48,3% e a segunda em 33,3%.
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.
7.2 - Interpolação polinomial
Exemplo
I Determinando os erros, a primeira interpolação erra em 48,3% e a segunda em 33,3%.
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.
7.2 - Interpolação polinomial
Interpolação quadrática
I Uma outra estratégia para melhorar a estimativa é introduzir alguma curvatura na
curva ligando os pontos.
7.2 - Interpolação polinomial
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).
7.2 - Interpolação polinomial
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 )
7.2 - Interpolação polinomial
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 )
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 )
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 )
b0 = f (x0 )
f (x1 ) − f (x0 )
b1 =
x1 − 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.
7.2 - Interpolação polinomial
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.
I Os pontos:
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.
I Os pontos:
b0 = 0; b1 = 0,462098; b2 = −0,0518731
7.2 - Interpolação polinomial
Exemplo
I Levando a uma estimativa para ln(2) como p2 (2) = 0,565844.
7.2 - Interpolação polinomial
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%.
7.3 - Polinômios interpoladores de Newton
Introdução
I Os procedimentos usados na interpolação linear e quadrática podem ser generalizados
para um número qualquer de pontos.
7.3 - Polinômios interpoladores de Newton
Introdução
I Os procedimentos usados na interpolação linear e quadrática podem ser generalizados
para um número qualquer de pontos.
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
Introdução
I Os procedimentos usados na interpolação linear e quadrática podem ser generalizados
para um número qualquer de pontos.
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
Introdução
I Os procedimentos usados na interpolação linear e quadrática podem ser generalizados
para um número qualquer de pontos.
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
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
7.3 - Polinômios interpoladores de Newton
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
7.3 - Polinômios interpoladores de Newton
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.
7.3 - Polinômios interpoladores de Newton
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
7.3 - Polinômios interpoladores de Newton
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 ]
7.3 - Polinômios interpoladores de Newton
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 ]
1 0,000000
4 1,386294
6 1,791759
5 1,609438
7.3 - Polinômios interpoladores de Newton
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 ]
1 0,000000
1,386294 − 0,000000
4−1
4 1,386294
6 1,791759
5 1,609438
7.3 - Polinômios interpoladores de Newton
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 ]
1 0,000000
0,4620980
4 1,386294
6 1,791759
5 1,609438
7.3 - Polinômios interpoladores de Newton
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 ]
1 0,000000
0,4620980
4 1,386294
1,791759 − 1,386294
6−4
6 1,791759
5 1,609438
7.3 - Polinômios interpoladores de Newton
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 ]
1 0,000000
0,4620980
4 1,386294
0,2027325
6 1,791759
5 1,609438
7.3 - Polinômios interpoladores de Newton
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 ]
1 0,000000
0,4620980
4 1,386294
0,2027325
6 1,791759
1,609438 − 1,791759
5−6
5 1,609438
7.3 - Polinômios interpoladores de Newton
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 ]
1 0,000000
0,4620980
4 1,386294
0,2027325
6 1,791759
0,1823210
5 1,609438
7.3 - Polinômios interpoladores de Newton
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 ]
1 0,000000
0,4620980
0,2027325 − 0,4620980
4 1,386294
6−1
0,2027325
6 1,791759
0,1823210
5 1,609438
7.3 - Polinômios interpoladores de Newton
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 ]
1 0,000000
0,4620980
4 1,386294 −0,0518731
0,2027325
6 1,791759
0,1823210
5 1,609438
7.3 - Polinômios interpoladores de Newton
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 ]
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
7.3 - Polinômios interpoladores de Newton
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 ]
1 0,000000
0,4620980
4 1,386294 −0,0518731
0,2027325
6 1,791759 −0,0204115
0,1823210
5 1,609438
7.3 - Polinômios interpoladores de Newton
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 ]
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
7.3 - Polinômios interpoladores de Newton
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 ]
1 0,000000
0,4620980
4 1,386294 −0,0518731
0,2027325 0,0078654
6 1,791759 −0,0204115
0,1823210
5 1,609438
7.3 - Polinômios interpoladores de Newton
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 ]
1 0,000000
0,4620980
4 1,386294 -0,0518731
0,2027325 0,0078654
6 1,791759 −0,0204115
0,1823210
5 1,609438
7.3 - Polinômios interpoladores de Newton
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 ]
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
Exemplo
I Calculando o valor p3 (2) = 0,6287674.
7.3 - Polinômios interpoladores de Newton
Exemplo
I Calculando o valor p3 (2) = 0,6287674.
I O erro associado a essa estimativa é de 9,3%.
7.3 - Polinômios interpoladores de Newton
Exemplo
I Calculando o valor p3 (2) = 0,6287674.
I O erro associado a essa estimativa é de 9,3%.
I A seguir uma representação gráfica da interpolação feita.
7.4 - Polinômios interpoladores de Lagrange
Definição
I Outra maneira clássica de resolver o problema da interpolação polinomial é através dos
polinômios de Lagrange.
7.4 - Polinômios interpoladores de Lagrange
Definição
I Outra maneira clássica de resolver o problema da interpolação polinomial é através dos
polinômios de Lagrange.
I O polinômio interpolador de Lagrange é simplesmente uma reformulação do polinômio
de Newton que evita o cálculo de diferenças divididas.
7.4 - Polinômios interpoladores de Lagrange
Definição
I Outra maneira clássica de resolver o problema da interpolação polinomial é através dos
polinômios de Lagrange.
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
7.4 - Polinômios interpoladores de Lagrange
Exemplo
I Determine as formas polinomiais de Lagrange para uma interpolação linear e quadrática.
7.4 - Polinômios interpoladores de Lagrange
Exemplo
I Para uma interpolação linear, necessariamente n = 1:
n
Y x − xj
Li (x) = ⇒
j=0 i
x − xj
j6=i
7.4 - Polinômios interpoladores de Lagrange
Exemplo
I Para uma interpolação linear, necessariamente n = 1:
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
7.4 - Polinômios interpoladores de Lagrange
Exemplo
I Para uma interpolação linear, necessariamente n = 1:
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
7.4 - Polinômios interpoladores de Lagrange
Exemplo
I Para uma interpolação linear, necessariamente n = 1:
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
7.4 - Polinômios interpoladores de Lagrange
Exemplo
I Para uma interpolação linear, necessariamente n = 1:
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
7.4 - Polinômios interpoladores de Lagrange
Exemplo
I Para uma interpolação quadrática, n = 2:
n
Y x − xj
Li (x) = ⇒
j=0 i
x − xj
j6=i
7.4 - Polinômios interpoladores de Lagrange
Exemplo
I Para uma interpolação quadrática, n = 2:
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
7.4 - Polinômios interpoladores de Lagrange
Exemplo
I Para uma interpolação quadrática, n = 2:
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
7.4 - Polinômios interpoladores de Lagrange
Exemplo
I Para uma interpolação quadrática, n = 2:
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
7.4 - Polinômios interpoladores de Lagrange
Exemplo
I Para uma interpolação quadrática, n = 2:
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
7.4 - Polinômios interpoladores de Lagrange
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 )
7.4 - Polinômios interpoladores de Lagrange
Exemplo
I Estime o valor de ln(2) usando o polinômio de Lagrange. Use interpolação linear e
quadrática usando os pontos
Exemplo
I Estime o valor de ln(2) usando o polinômio de Lagrange. Use interpolação linear e
quadrática usando os pontos
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
7.4 - Polinômios interpoladores de Lagrange
Exemplo
I Estime o valor de ln(2) usando o polinômio de Lagrange. Use interpolação linear e
quadrática usando os pontos
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.
7.4 - Polinômios interpoladores de Lagrange
Exemplo
I Para a interpolação quadrática, vamos usar todos os pontos:
Exemplo
I Para a interpolação quadrática, vamos usar todos os pontos:
I Do polinômio de Lagrange:
Exemplo
I Para a interpolação quadrática, vamos usar todos os pontos:
I Do polinômio de Lagrange:
Exemplo
I Para a interpolação quadrática, vamos usar todos os pontos:
I Do polinômio de Lagrange:
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
7.4 - Polinômios interpoladores de Lagrange
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
I Logo, cada produto f (xi )Li (x) assume o valor f (xi ) no ponto xi da amostra.
7.4 - Polinômios interpoladores de Lagrange
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
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.
7.4 - Polinômios interpoladores de Lagrange
Interpretação geométrica
I A seguir uma figura para ilustrar essa ideia:
7.4 - Polinômios interpoladores de Lagrange
Comandos Maxima
I A interpolação polinomial no Maxima é feita com a função lagrange() invocada do
pacote interpol.
7.4 - Polinômios interpoladores de Lagrange
Comandos Maxima
I A interpolação polinomial no Maxima é feita com a função lagrange() invocada do
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]
]
);
7.4 - Polinômios interpoladores de Lagrange
Comandos Maxima
I A interpolação polinomial no Maxima é feita com a função lagrange() invocada do
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]
]
);
Pn
I A saída retorna um polinômio na forma de Lagrange i=0 yi Li (x).
7.4 - Polinômios interpoladores de Lagrange
Comandos Maxima
I Opcionalmente, para expandir o resultado:
load(interpol);
expand(
lagrange(
[
[x0,y0],[x1,y1],[x2,y2]
]
)
);
7.4 - Polinômios interpoladores de Lagrange
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
7.4 - Polinômios interpoladores de Lagrange
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
);
7.4 - Polinômios interpoladores de Lagrange
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]
]
)
)
7.4 - Polinômios interpoladores de Lagrange
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
)
)
7.5 - Determinação dos coeficientes por sistemas lineares
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
7.5 - Determinação dos coeficientes por sistemas lineares
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 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
7.5 - Determinação dos coeficientes por sistemas lineares
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
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
Exemplo
I Encontre o polinômio interpolador que passa pelos pontos {(0, 1), (1, 6), (2, 5), (3, −8)}.
7.5 - Determinação dos coeficientes por sistemas lineares
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
7.5 - Determinação dos coeficientes por sistemas lineares
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
7.5 - Determinação dos coeficientes por sistemas lineares
Exemplo
I Montando o sistema de acordo com os dados fornecidos
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.
7.5 - Determinação dos coeficientes por sistemas lineares
Exemplo
I Montando o sistema de acordo com os dados fornecidos
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
7.5 - Determinação dos coeficientes por sistemas lineares
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
7.5 - Determinação dos coeficientes por sistemas lineares
Exemplo
I Aplicando a técnica para anular os elementos abaixo do pivô a11 = 1:
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
7.5 - Determinação dos coeficientes por sistemas lineares
Exemplo
I Aplicando a técnica para anular os elementos abaixo do pivô a11 = 1:
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
I Aplicando a técnica para anular os elementos abaixo do pivô a11 = 1:
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
I Anulando os elementos abaixo do pivô a0033 = 2:
1 0 0 0 1
0 1 1 1 5
[A|b] ∼ ∼
0 0 2 6 −6
0 0 6 24 −24
7.5 - Determinação dos coeficientes por sistemas lineares
Exemplo
I Anulando os elementos abaixo do pivô a0033 = 2:
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
7.5 - Determinação dos coeficientes por sistemas lineares
Exemplo
I Anulando os elementos abaixo do pivô a0033 = 2:
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
I Anulando os elementos abaixo do pivô a0033 = 2:
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
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
7.5 - Determinação dos coeficientes por sistemas lineares
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
7.5 - Determinação dos coeficientes por sistemas lineares
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
7.5 - Determinação dos coeficientes por sistemas lineares
Exemplo
I Reescalando os elementos da diagonal principal:
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
7.5 - Determinação dos coeficientes por sistemas lineares
Exemplo
I Reescalando os elementos da diagonal principal:
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
Considerações
I A interpolação polinomial de uma função obviamente é uma aproximação. Portanto,
erros estão associados a esta operação.
7.6 - Erros na interpolação
Considerações
I A interpolação polinomial de uma função obviamente é uma aproximação. Portanto,
erros estão associados a esta operação.
I Dada a natureza da interpolação polinomial, esses erros são exemplos de erros de
truncamento.
7.6 - Erros na interpolação
Considerações
I A interpolação polinomial de uma função obviamente é uma aproximação. Portanto,
erros estão associados a esta operação.
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.
7.6 - Erros na interpolação
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!
7.6 - Erros na interpolação
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.
7.6 - Erros na interpolação
f (n+1) (ξ)
Rn = (x − x0 )n+1
(n + 1)!
7.6 - Erros na interpolação
f (n+1) (ξ)
Rn = (x − x0 )n+1
(n + 1)!
I Onde ξ é um ponto entre x0 e x.
7.6 - Erros na interpolação
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.
7.6 - Erros na interpolação
f (n+1) (ξ)
Rn = (x − x0 )(x − x1 )(x − x2 ) · · · (x − xn )
(n + 1)!
7.6 - Erros na interpolação
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.
7.6 - Erros na interpolação
Exemplo
I Revisite o problema de estimar ln(2) usando interpolação quadrática, avaliando o erro
pela fórmula recém-deduzida.
7.6 - Erros na interpolação
Exemplo
I Revisite o problema de estimar ln(2) usando interpolação quadrática, avaliando o erro
pela fórmula recém-deduzida.
I Os pontos dados eram x = {1, 4, 6} com um ponto adicional x = 5.
7.6 - Erros na interpolação
Exemplo
I Revisite o problema de estimar ln(2) usando interpolação quadrática, avaliando o erro
pela fórmula recém-deduzida.
I Os pontos dados eram x = {1, 4, 6} com um ponto adicional x = 5.
I Pela fórmula do erro de truncamento:
Exemplo
I Revisite o problema de estimar ln(2) usando interpolação quadrática, avaliando o erro
pela fórmula recém-deduzida.
I Os pontos dados eram x = {1, 4, 6} com um ponto adicional x = 5.
I Pela fórmula do erro de truncamento:
Exemplo
I Revisite o problema de estimar ln(2) usando interpolação quadrática, avaliando o erro
pela fórmula recém-deduzida.
I Os pontos dados eram x = {1, 4, 6} com um ponto adicional x = 5.
I Pela fórmula do erro de truncamento:
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
7.6 - Erros na interpolação
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.
7.6 - Erros na interpolação
Exemplo
I Assim, o erro R2 avaliado para o ponto x = 2 retorna
Exemplo
I Assim, o erro R2 avaliado para o ponto x = 2 retorna
ln(6) ln(4)
p2 (x) = (x − 1)(x − 4) − (x − 1)(x − 6)
10 6
7.6 - Erros na interpolação
Exemplo
I Assim, o erro R2 avaliado para o ponto x = 2 retorna
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
7.6 - Erros na interpolação
Exemplo
I Assim, o erro R2 avaliado para o ponto x = 2 retorna
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.
7.7 - Problemas com a interpolação de dados
Considerações
I A interpolação polinomial pode ser uma técnica para estimar valores desconhecidos a
partir de um conjunto de pontos conhecidos.
7.7 - Problemas com a interpolação de dados
Considerações
I A interpolação polinomial pode ser uma técnica para estimar valores desconhecidos a
partir de um conjunto de pontos conhecidos.
I Contudo, duas situações podem gerar grandes problemas de precisão que podem levar
a interpretações incorretas do fenômeno:
7.7 - Problemas com a interpolação de dados
Considerações
I A interpolação polinomial pode ser uma técnica para estimar valores desconhecidos a
partir de um conjunto de pontos conhecidos.
I Contudo, duas situações podem gerar grandes problemas de precisão que podem levar
a interpretações incorretas do fenômeno:
1. Extrapolação.
7.7 - Problemas com a interpolação de dados
Considerações
I A interpolação polinomial pode ser uma técnica para estimar valores desconhecidos a
partir de um conjunto de pontos conhecidos.
I Contudo, duas situações podem gerar grandes problemas de precisão que podem levar
a interpretações incorretas do fenômeno:
1. Extrapolação.
2. Interpolação com um número muito grande de pontos (polinômio interpolador de alto
grau).
7.7 - Problemas com a interpolação de dados
Considerações
I A interpolação polinomial pode ser uma técnica para estimar valores desconhecidos a
partir de um conjunto de pontos conhecidos.
I Contudo, duas situações podem gerar grandes problemas de precisão que podem levar
a interpretações incorretas do fenômeno:
1. Extrapolação.
2. Interpolação com um número muito grande de pontos (polinômio interpolador de alto
grau).
I Vamos discutir cada uma delas.
7.7 - Problemas com a interpolação de dados
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 .
7.7 - Problemas com a interpolação de dados
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 .
I A interpolação mais acurada é geralmente obtida quando a incógnita está perto do
centro dos pontos base.
7.7 - Problemas com a interpolação de dados
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 .
I A interpolação mais acurada é geralmente obtida quando a incógnita está perto do
centro dos pontos base.
I Obviamente, isso é violado quando a incógnita está fora do intervalo, já que, para
qualquer polinômio vale
lim |px (x)| = ∞
x→±∞
7.7 - Problemas com a interpolação de dados
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 .
I A interpolação mais acurada é geralmente obtida quando a incógnita está perto do
centro dos pontos base.
I Obviamente, isso é violado quando a incógnita está fora do intervalo, já que, para
qualquer polinômio vale
lim |px (x)| = ∞
x→±∞
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.
7.7 - Problemas com a interpolação de dados
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.
I O polinômio interpolador exato é:
e 1 2 e 1
p2 (x) = + −1 x − − x+1
2 2e 2 2e
7.7 - Problemas com a interpolação de dados
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.
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.
7.7 - Problemas com a interpolação de dados
Exemplo
I O gráfico abaixo ilustra a situação:
7.7 - Problemas com a interpolação de dados
Exemplo
I O gráfico abaixo ilustra a situação:
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.
7.7 - Problemas com a interpolação de dados
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.
I Dessa forma, a curva verdadeira poderia facilmente divergir da previsão.
7.7 - Problemas com a interpolação de dados
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.
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.
7.7 - Problemas com a interpolação de dados
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
7.7 - Problemas com a interpolação de dados
Exemplo
I A situação é ilustrada abaixo.
7.7 - Problemas com a interpolação de dados
Exemplo
I A situação é ilustrada abaixo.
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.
7.8 - Interpolação por splines
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.
I Tais comportamentos podem levar a análises totalmente equivocadas do fenômeno.
7.8 - Interpolação por splines
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.
I Tais comportamentos podem levar a análises totalmente equivocadas do fenômeno.
I Uma abordagem alternativa é aplicar polinômios de grau mais baixo a subconjuntos
dos pontos dados.
7.8 - Interpolação por splines
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.
I Tais comportamentos podem levar a análises totalmente equivocadas do fenômeno.
I Uma abordagem alternativa é aplicar polinômios de grau mais baixo a subconjuntos
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.
7.8 - Interpolação por splines
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.
I Tais comportamentos podem levar a análises totalmente equivocadas do fenômeno.
I Uma abordagem alternativa é aplicar polinômios de grau mais baixo a subconjuntos
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.
I Por ter um grau mais baixo, esses polinômios possuem menos “liberdade”, ou seja, estão
menos sujeitos àquelas oscilações indesejadas mostradas anteriormente.
7.8 - Interpolação por splines
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.
I Tais comportamentos podem levar a análises totalmente equivocadas do fenômeno.
I Uma abordagem alternativa é aplicar polinômios de grau mais baixo a subconjuntos
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.
I Por ter um grau mais baixo, esses polinômios possuem menos “liberdade”, ou seja, estão
menos sujeitos àquelas oscilações indesejadas mostradas anteriormente.
I Tais polinômios conectadores são chamados funções splines.
7.8 - Interpolação por splines
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.
I Tais comportamentos podem levar a análises totalmente equivocadas do fenômeno.
I Uma abordagem alternativa é aplicar polinômios de grau mais baixo a subconjuntos
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.
I Por ter um grau mais baixo, esses polinômios possuem menos “liberdade”, ou seja, estão
menos sujeitos àquelas oscilações indesejadas mostradas anteriormente.
I Tais polinômios conectadores são chamados funções splines.
I Os tipos principais de splines são o linear e cúbico.
7.8 - Interpolação por splines
Splines lineares
I A ligação mais simples entre dois pontos é uma reta.
7.8 - Interpolação por splines
Splines lineares
I A ligação mais simples entre dois pontos é uma reta.
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
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.
7.8 - Interpolação por splines
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.
I A seguir, a equação apropriada é usada para determinar o valor da função dentro do
intervalo.
7.8 - Interpolação por splines
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.
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.
7.8 - Interpolação por splines
Comandos Maxima
I Splines lineares fazem parte do pacote interpol. São invocados pela função
linearinterpol().
7.8 - Interpolação por splines
Comandos Maxima
I Splines lineares fazem parte do pacote interpol. São invocados pela função
linearinterpol().
I Como exemplo, para interpolar um conjunto de três pontos (x0 , y0 ), (x1 , y1 ), (x2 , y2 ):
load(interpol);
linearinterpol(
[
[x0,y0],[x1,y1],[x2,y2]
]
);
7.8 - Interpolação por splines
Comandos Maxima
I Splines lineares fazem parte do pacote interpol. São invocados pela função
linearinterpol().
I Como exemplo, para interpolar um conjunto de três pontos (x0 , y0 ), (x1 , y1 ), (x2 , y2 ):
load(interpol);
linearinterpol(
[
[x0,y0],[x1,y1],[x2,y2]
]
);
I Os comentários e opções feitos para a função lagrange() servem para a
linearinterpol().
7.8 - Interpolação por splines
Exemplo
I Faça o spline linear dos pontos
x 0 1 2 3 4 5
y 0 4 3 0 2 0
7.8 - Interpolação por splines
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
7.8 - Interpolação por splines
Exemplo
I A função desejada possui a forma
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
7.8 - Interpolação por splines
Exemplo
I A função desejada possui a forma
p(x) = 4x, 06x61
p(x) = −x + 5,
16x62
p(x) = −3x + 9, 26x63
p(x) = 2x − 6, 36x64
p(x) = −2x + 10, 46x65
7.8 - Interpolação por splines
Exemplo
I A figura abaixo ilustra a solução:
7.8 - Interpolação por splines
Splines lineares
I A principal desvantagem dos splines lineares é que eles não são lisos.
7.8 - Interpolação por splines
Splines lineares
I A principal desvantagem dos splines lineares é que eles não são lisos.
I Essencialmente, nos pontos dados nos quais dois splines se encontram (chamados nós),
a inclinação varia abruptamente.
7.8 - Interpolação por splines
Splines lineares
I A principal desvantagem dos splines lineares é que eles não são lisos.
I Essencialmente, nos pontos dados nos quais dois splines se encontram (chamados nós),
a inclinação varia abruptamente.
I Fisicamente, a primeira derivada da função é descontínua nesses pontos.
7.8 - Interpolação por splines
Splines lineares
I A principal desvantagem dos splines lineares é que eles não são lisos.
I Essencialmente, nos pontos dados nos quais dois splines se encontram (chamados nós),
a inclinação varia abruptamente.
I Fisicamente, a primeira derivada da função é descontínua nesses pontos.
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.).
7.8 - Interpolação por splines
Splines lineares
I A principal desvantagem dos splines lineares é que eles não são lisos.
I Essencialmente, nos pontos dados nos quais dois splines se encontram (chamados nós),
a inclinação varia abruptamente.
I Fisicamente, a primeira derivada da função é descontínua nesses pontos.
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.
7.8 - Interpolação por splines
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.
7.8 - Interpolação por splines
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.
7.8 - Interpolação por splines
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.
7.8 - Interpolação por splines
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.
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
7.8 - Interpolação por splines
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.
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.
7.8 - Interpolação por splines
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
7.8 - Interpolação por splines
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
I Logo, para n + 1 pontos dados (i = 0, 1, 2, . . . , n), existem n intervalos e, consequente-
mente, 4n constantes indeterminadas para calcular.
7.8 - Interpolação por splines
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
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.
7.8 - Interpolação por splines
Splines cúbicos
I As 4n condições são as seguinte:
7.8 - Interpolação por splines
Splines cúbicos
I As 4n condições são as seguinte:
1. Interpolação: dados e polinômios devem ser iguais em todos os nós (n + 1 condições).
7.8 - Interpolação por splines
Splines cúbicos
I As 4n condições são as seguinte:
1. Interpolação: dados e polinômios devem ser iguais em todos os nós (n + 1 condições).
2. Continuidade da função: polinômios adjacentes devem ser iguais nos nós interiores
(n − 1 condições).
7.8 - Interpolação por splines
Splines cúbicos
I As 4n condições são as seguinte:
1. Interpolação: dados e polinômios devem ser iguais em todos os nós (n + 1 condições).
2. Continuidade da função: polinômios adjacentes devem ser iguais nos nós interiores
(n − 1 condições).
3. Continuidade da derivada primeira: as derivadas primeiras nos nós interiores devem ser
iguais (n − 1 condições).
7.8 - Interpolação por splines
Splines cúbicos
I As 4n condições são as seguinte:
1. Interpolação: dados e polinômios devem ser iguais em todos os nós (n + 1 condições).
2. Continuidade da função: polinômios adjacentes devem ser iguais nos nós interiores
(n − 1 condições).
3. Continuidade da derivada primeira: as derivadas primeiras nos nós interiores devem ser
iguais (n − 1 condições).
4. Continuidade da derivada segunda: as derivadas segundas nos nós interiores devem ser
iguais (n − 1 condições).
7.8 - Interpolação por splines
Splines cúbicos
I As 4n condições são as seguinte:
1. Interpolação: dados e polinômios devem ser iguais em todos os nós (n + 1 condições).
2. Continuidade da função: polinômios adjacentes devem ser iguais nos nós interiores
(n − 1 condições).
3. Continuidade da derivada primeira: as derivadas primeiras nos nós interiores devem ser
iguais (n − 1 condições).
4. Continuidade da derivada segunda: as derivadas segundas nos nós interiores devem ser
iguais (n − 1 condições).
5. Extremos retos: as derivadas segundas nos nós extremos são nulas (2 condições)
7.8 - Interpolação por splines
Splines cúbicos
I As 4n condições são as seguinte:
1. Interpolação: dados e polinômios devem ser iguais em todos os nós (n + 1 condições).
2. Continuidade da função: polinômios adjacentes devem ser iguais nos nós interiores
(n − 1 condições).
3. Continuidade da derivada primeira: as derivadas primeiras nos nós interiores devem ser
iguais (n − 1 condições).
4. Continuidade da derivada segunda: as derivadas segundas nos nós interiores devem ser
iguais (n − 1 condições).
5. Extremos retos: as derivadas segundas nos nós extremos são nulas (2 condições)
I As condições envolvendo derivadas tornam o spline liso.
7.8 - Interpolação por splines
Splines cúbicos
I As 4n condições são as seguinte:
1. Interpolação: dados e polinômios devem ser iguais em todos os nós (n + 1 condições).
2. Continuidade da função: polinômios adjacentes devem ser iguais nos nós interiores
(n − 1 condições).
3. Continuidade da derivada primeira: as derivadas primeiras nos nós interiores devem ser
iguais (n − 1 condições).
4. Continuidade da derivada segunda: as derivadas segundas nos nós interiores devem ser
iguais (n − 1 condições).
5. Extremos retos: as derivadas segundas nos nós extremos são nulas (2 condições)
I As condições envolvendo derivadas tornam o spline liso.
I A interpretação visual da condição 5 é que a função se torna uma reta nos nós extremos.
7.8 - Interpolação por splines
Splines cúbicos
I As 4n condições são as seguinte:
1. Interpolação: dados e polinômios devem ser iguais em todos os nós (n + 1 condições).
2. Continuidade da função: polinômios adjacentes devem ser iguais nos nós interiores
(n − 1 condições).
3. Continuidade da derivada primeira: as derivadas primeiras nos nós interiores devem ser
iguais (n − 1 condições).
4. Continuidade da derivada segunda: as derivadas segundas nos nós interiores devem ser
iguais (n − 1 condições).
5. Extremos retos: as derivadas segundas nos nós extremos são nulas (2 condições)
I As condições envolvendo derivadas tornam o spline liso.
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”.
7.8 - Interpolação por splines
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).
7.8 - Interpolação por splines
Comandos Maxima
I Splines cúbicos também fazem parte do pacote interpol. São invocados pela função
cspline().
7.8 - Interpolação por splines
Comandos Maxima
I Splines cúbicos também fazem parte do pacote interpol. São invocados pela função
cspline().
I Como exemplo, para interpolar um conjunto de três pontos (x0 , y0 ), (x1 , y1 ), (x2 , y2 ):
load(interpol);
cspline(
[
[x0,y0],[x1,y1],[x2,y2]
]
);
7.8 - Interpolação por splines
Comandos Maxima
I Splines cúbicos também fazem parte do pacote interpol. São invocados pela função
cspline().
I Como exemplo, para interpolar um conjunto de três pontos (x0 , y0 ), (x1 , y1 ), (x2 , y2 ):
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().
7.8 - Interpolação por splines
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
7.8 - Interpolação por splines
Exemplo
I A figura abaixo ilustra a solução:
7.8 - Interpolação por splines
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.
7.8 - Interpolação por splines
Exemplo
I A figura abaixo ilustra a solução: