Escolar Documentos
Profissional Documentos
Cultura Documentos
INTERPOLAÇÃO POLINOMIAL
Interpolar uma função 𝑓(𝑥) consiste em aproximar essa função por outra função 𝑔(𝑥),
escolhida entre uma classe de funções definida a priori e que satisfaça algumas propriedades. A
função 𝑔(𝑥) é então usada em substituição à função 𝑓(𝑥).
A necessidade de se efetuar esta substituição surge em várias situações, como por exemplo:
• São conhecidos somente os valores numéricos da função para um conjunto de pontos
e é necessário calcular o valor da função em um ponto não tabelado;
• A função em estudo tem uma expressão tal que operações como a diferenciação e a
integração são difíceis de serem realizadas.
Interpretação geométrica
A forma de interpolação de 𝑓(𝑥) consiste em determinar uma função 𝑔(𝑥) tal que:
𝑔(𝑥0 ) = 𝑓 (𝑥0 )
𝑔(𝑥1 ) = 𝑓 (𝑥1 )
𝑔(𝑥2 ) = 𝑓 (𝑥2 )
⋮
{𝑔(𝑥𝑛 ) = 𝑓 (𝑥𝑛 )
______________________________________________________________________________________________________________ 1 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
Interpolação Polinomial
Notação:
𝑝: polinômio (minúsculo)
𝑃: ponto (maiúsculo)
𝑛: número inteiro positivo que representa o grau do polinômio
𝑘: índice inicial qualquer
𝑝k,k+𝑛 (𝑥): polinômio de grau 𝑛 que interpola os (𝑛 + 1) pontos consecutivos
𝑃𝑘 , 𝑃𝑘+1 , ⋯ , 𝑃𝑘+𝑛 .
𝒑𝒌,𝒌+𝒏 (𝒙)
𝑝𝑛 (𝑥𝑖 ) = 𝑦𝑖 para 𝑥0 ≤ 𝑥𝑖 ≤ 𝑥𝑛
Quando 𝑛 = 0, 𝑝k,k (𝑥) é um polinômio de grau zero (linha horizontal no gráfico a baixo)
passando através de um único ponto 𝑃𝑘 (𝑥𝑘 , 𝑦𝑘 ).
𝑦𝑘 𝒑𝒌,𝒌 (𝒙)
𝑥𝑘 𝑥
______________________________________________________________________________________________________________ 2 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
ax𝑘 + 𝑏 = 𝑦𝑘
{
ax𝑘+1 + 𝑏 = 𝑦𝑘+1
𝒑𝒌,𝒌+𝟏 (𝒙)
𝑦𝑘+1
+1
𝑦𝑘
𝑥𝑘 𝑥𝑘+1 𝑥
𝑦𝑘+1
𝒑𝒌,𝒌+𝟐 (𝒙)
𝑦𝑘+2 = 𝑦𝑘
𝑥𝑘 𝑥𝑘+1 𝑥𝑘+2 𝑥
______________________________________________________________________________________________________________ 3 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
Considerações Práticas
⋮ ⋮ ⋮ ⋮ ⋮
______________________________________________________________________________________________________________ 4 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
Suponha que se deseja determinar 𝑓(𝑧), mas 𝑧 não é um valor tabelado. Uma estratégia
natural para esta situação é usar 𝑝k,k+𝑛 (𝑥) para obter um valor aproximado.
A questão é:
Como escolher 𝑛 e 𝑘 para fazer 𝑝k,k+𝑛 (𝑥)
ser a melhor aproximação para 𝑓(𝑧)?
A resposta óbvia é “usar todos os pontos”, mas dessa forma não se consegue boa precisão.
Na realidade, esta questão não é tão simples quanto parece.
Uma vez o grau 𝑛 tendo sido escolhido, existe muitos pontos diferentes dos 𝑛 + 1 pontos
tabelados para 𝑝k,k+𝑛 (𝑧), dependendo do 𝑘. O polinômio que é mais provável de melhorar a
precisão para 𝑓(𝑧) será denotado por 𝑝̂ 𝑛 (𝑧) e chamado o melhor polinômio interpolador de grau
n para 𝑓(𝑧).
Deste modo, para um dado 𝑧, pode-se ter os sucessivos melhores interpoladores: 𝑝̂ 0 (𝑧),
𝑝̂1 (𝑧), 𝑝̂ 2 (𝑧), ..., obtidos pela adição de um ponto por vez, tentando sempre manter 𝑧 o mais
próximo possível do centro do intervalo [𝑥𝑘 , 𝑥𝑘+𝑛 ].
𝑥0 𝑥1 𝑧1 𝑥2 𝑥3 𝑥4 𝑥
As setas na figura anterior indicam a ordem em que os pontos 𝑥𝑖 devem ser acrescentados
para melhor centralização de 𝑧 = 𝑧1 entre 𝑥1 e 𝑥2 , ou seja, 𝑥2 , 𝑥1 , 𝑥3 , 𝑥0 ,e 𝑥4 .
______________________________________________________________________________________________________________ 5 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
Considerações
______________________________________________________________________________________________________________ 6 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
Na forma de Newton, para o polinômio interpolador não existe este inconveniente, pois se
passa de um polinômio de grau 𝑛 para um de grau 𝑛 + 1 apenas acrescentando mais um termo ao
polinômio de grau 𝑛.
Genericamente
n −1y i+1 − n −1y i
Δ y i =
n
x i + n − xi
n
Nota-se que y i depende apenas dos 𝑛 + 1 pontos consecutivos.
______________________________________________________________________________________________________________ 7 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
1y 2 3 y1
𝑥3 𝑦3 2 y 2 n y 0
1y 3
𝑥4 𝑦4
3 y n-3
2 y n-2
1y n-1
𝑥𝑛 𝑦𝑛
Considerando, por exemplo, 5 pontos a tabela de Diferenças Divididas pode ser montada
da seguinte forma:
𝑥 𝐷 0 𝑦𝑖 𝐷𝑦𝑖 𝐷 2 𝑦𝑖 𝐷 3 𝑦𝑖 𝐷 4 𝑦𝑖
𝑥0 𝑦0 𝐷𝑦0 𝐷 2 𝑦0 𝐷 3 𝑦0 𝐷 4 𝑦0
𝑥1 𝑦1 𝐷𝑦1 𝐷 2 𝑦1 𝐷 3 𝑦1
𝑥2 𝑦2 𝐷𝑦2 𝐷 2 𝑦2
𝑥3 𝑦3 𝐷𝑦3
𝑥4 𝑦4
______________________________________________________________________________________________________________ 8 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
Interpretação Geométrica
• 2 yi < 0 sugere que 𝑝i,𝑖+2 (𝑥) tem concavidade para baixo no intervalo [𝑥𝑖 , 𝑥𝑖+2 ]
Resolução
𝑥 0 yi 1y i 2 yi 3 yi 4 y i
-2 -2 31 -15 5 0
-1 29 1 0 5
0 30 1 15
1 31 31
2 62
______________________________________________________________________________________________________________ 9 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
Polinômio
De (1) tem-se:
pn (x) = y0 + ( x − x 0 ) Δ y (4)
onde En (x) = ( x − x 0 ) ( x − x n ) Δ n +1 y .
Pode-se observar que 𝐸𝑛 (𝑥) pode ser eliminado de (5), pois para qualquer 𝑥𝑖 , 𝑖 = 0, 1, . . . , 𝑛
pertencente a tabela de pontos tem-se 𝐸𝑛 (𝑥𝑖 ) = 0, 𝑖 = 0, 1, . . . , 𝑛 não interferindo no polinômio.
pn (x) = y0 + ( x − x 0 ) Δ y0 + ( x − x 0 ) ( x − x1 ) Δ 2 y0
+ ( x − x 0 ) ( x − x1) ( x − x 2 ) Δ 3 y0 + +
+ ( x − x 0 ) ( x − x1 ) ( x − x n -1 ) Δ n y0
______________________________________________________________________________________________________________ 10 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
Exercícios
1. Usando a forma de Newton, construir o polinômio que interpola 𝑓(𝑥) nos pontos tabelados e
calcular 𝑓(0.3).
𝑥 0 0.2 0.4
𝑓(𝑥) 1 2 4
Resolução
p2 (x) = y0 + ( x − x 0 ) Δ y0 + ( x − x 0 ) ( x − x1 ) Δ 2 y0
𝐷𝑦𝑖+1 − 𝐷𝑦𝑖
25 𝐷2 𝑦𝑖 =
𝑝2 (𝑥) = 1 + (𝑥 − 0)(5) + (𝑥 − 0)(𝑥 − 0.2) ( ) 𝑥𝑖+2 − 𝑥𝑖
2
𝐷𝑦1 − 𝐷𝑦𝑜 10 − 5 25
25 2 5 ⟶ 𝐷2 𝑦0 = = =
𝑥 2 − 𝑥0 0.4 − 0 2
𝑝2 (𝑥) = 𝑥 + 𝑥+1
2 2
𝑓(0.3) ≅ 𝑝2 (0.3) = 2.875
2. Usando a forma de Newton, determine o polinômio 𝑝2 (𝑥), que interpola 𝑓(𝑥) nos pontos dados.
Calcule 𝑓 (−0.5) e 𝑓(1.2)
𝑥 -1 0 2
𝑓(𝑥) 4 1 -1
Resolução
p2 (x) = y0 + ( x − x 0 ) Δ y0 + ( x − x 0 ) ( x − x1 ) Δ 2 y0
2 2 2 7
𝑝2 (𝑥) = 4 + (𝑥 + 1)(−3) + (𝑥 + 1)(𝑥 − 0) ⟹ 𝑝2 (𝑥) = 𝑥 − 𝑥+1
3 3 3
7
𝑓(−0.5) ≅ 𝑝2 (−0.5) = ≅ 2.3333
3
𝑓(1.2) ≅ 𝑝2 (1.2) = −0.8400
______________________________________________________________________________________________________________ 11 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
𝑥 -1 0 2
𝑓(𝑥) -2 -1 7
𝑥 0 0.5 1 1.5
𝑓(𝑥) -1.0 -1.25 -3.0 -6.25
6. Dada a tabela
a) Calcular 𝑓(1.0) usando o Polinômio Interpolador de Newton de grau 2.
b) Dar uma estimativa para o erro.
Resolução
𝑥 𝑓(𝑥) = 𝑦 y 2 y 3 y 4 y
0.5 4.0 -10 37.5000 -75.7936 110.9786
0.6 3.0 5 -15.5555 35.1850 ---
1 0.9 4.5 -4.3333 16.1110 --- ---
1.2 3.2 5.3333 --- --- ---
1.5 4.8 --- --- --- ---
p 2 (x) = y 0 + ( x − x 0 ) Δ y 0 + ( x − x 0 ) ( x − x 1 ) Δ 2 y 0
______________________________________________________________________________________________________________ 12 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
Logo,
𝑓(1.0) ≅ 𝑝2 (1.0) = 3.7446
E 2 ( x) ( x − x0 )( x − x1 )( x − x 2 ) * max 3 y
7. Dada a tabela
𝑥 -2 -1 0 1
𝑓(𝑥) 15 0 -1 0
8. Dada a tabela
𝑥 1 4 6 7 9 15
𝑓(𝑥) -39 -1704 -4664 -5601 1 325447
Solução: 𝑝5 (𝑥) = 𝑥 5 − 8𝑥 4 − 8𝑥 3 − 8𝑥 2 − 8𝑥 − 8
𝑓(5) ≅ 𝑝5 (5) = −3123
______________________________________________________________________________________________________________ 13 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
Definição: Seja 𝑓(𝑥) uma função contínua no intervalo [𝑎, 𝑏] e sejam 𝑥0 , 𝑥1 , ⋯ , 𝑥𝑛 os n+1 pontos
de [𝑎, 𝑏] que se sucedem com passo ℎ, isto é, 𝑥𝑗 = 𝑥0 + 𝑗ℎ. Define-se Operador de
Diferenças Finitas (Ordinárias) a sequência:
Δ0 𝑦𝑖 = 𝑦𝑖
Δ𝑦𝑖 = 𝑦𝑖+1 − 𝑦𝑖
Δ2 𝑦𝑖 = Δ𝑦𝑖+1 − Δ𝑦𝑖
⋮
Δn 𝑦𝑖 = Δn−1 𝑦𝑖+1 − Δn−1 𝑦𝑖
𝑥 Δ0 𝑦𝑖 Δ1 𝑦𝑖 Δ2 𝑦𝑖 Δ3 𝑦𝑖 ⋯
𝑥0 𝑦0 Δ1 𝑦0 Δ2 𝑦0 Δ3 𝑦0 ⋯
𝑥1 𝑦1 Δ1 𝑦1 Δ2 𝑦1 ⋮
𝑥2 𝑦2 Δ1 𝑦2 ⋮
𝑥3 𝑦3 ⋮
⋮ ⋮
𝑥 -1 0 1 2
𝑓(𝑥) = 𝑦 1 2 3 -1
Resolução:
𝑥 Δ0 𝑦𝑖 Δ1 𝑦𝑖 Δ2 𝑦𝑖 Δ3 𝑦𝑖
-1 1 1 0 -5
0 2 1 -5
1 3 -4
2 -1
______________________________________________________________________________________________________________ 14 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
yi+1 − yi Δyi
yi = =
xi+1 − xi xi+1 − xi
2yi+1 2yi
−
2yi+1 − 2yi 2h 2
3
2h 2 = Δ y i
3 yi = =
xi+3 − xi 3h 6h3
Logo,
Δ3 y i
3yi =
3! h3
Generalizando:
Δn y i
n yi =
n!hn
______________________________________________________________________________________________________________ 15 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
Exercícios
Resolução
𝑥 y=𝛥0 𝑦𝑖 𝛥1 𝑦𝑖 𝛥2 𝑦𝑖 𝛥3 𝑦𝑖
0 1 2 -3 7
2 3 -1 4
4 2 3
6 5
Δy0 Δ2 y0 Δ3 y0
p3 (x) = y0 + (x − x0 ) + (x − x0 )(x − x1 ) + (x − x 0 )(x − x 1 )(x − x 2 )
h 2! h2 3! h3
2 (−3) (7)
= 1 + (𝑥 − 0) + (𝑥 − 0)(𝑥 − 2) + (𝑥 − 0)(𝑥 − 2)(𝑥 − 4)
2 2∗4 6∗8
1 7𝑥 3 5𝑥 2 35𝑥
𝑝3 (𝑥) = (7𝑥 3 − 60𝑥 2 + 140𝑥 + 48) = − + +1
48 48 4 12
123
𝑓(5) ≅ 𝑝3 (5) = = 2.5625
48
Resolução
𝑥 Δ0 yi Δ1 yi Δ2 yi Δ3 yi
-2 4 -1 -1 1
-1 3 -2 0
0 1 -2
1 -1
𝛥𝑦0 𝛥2 𝑦0 𝛥3 𝑦0
a) 𝑝3 (𝑥) = 𝑦0 + (𝑥 − 𝑥0 ) + (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
ℎ 2!ℎ 2 3!ℎ3
(-1) (-1) 1
= 4 + (𝑥 + 2) + (𝑥 + 2)(𝑥 + 1) 2 + (𝑥 + 2)(𝑥 + 1)(𝑥 + 0)
1 2(1) 6(1)3
1
𝑝3 (𝑥) = [𝑥 3 − 13𝑥 + 6]
6
______________________________________________________________________________________________________________ 16 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
𝛥2 𝑦0 𝛥3 𝑦0
b) 𝑝3 (𝑠) = 𝑦0 + 𝑠𝛥𝑦0 + 𝑠(𝑠 − 1) + 𝑠(𝑠 − 1)(𝑠 − 2)
2! 3!
(−1) 1
= 4 + 𝑠(−1) + 𝑠(𝑠 − 1) + 𝑠(𝑠 − 1)(𝑠 − 2)
2 6
1 3
𝑝3 (𝑠) = [𝑠 − 6𝑠2 − 𝑠 + 24
6
𝑥 − 𝑥0 0.5 − (−2)
𝑠= = = 2.5
ℎ 1
𝑝3 (2.5) = −0.0625
______________________________________________________________________________________________________________ 17 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
Nº de Nº de
Nº de Adições Total
Multiplicações Divisões
𝑚2 − 𝑚 3𝑚2 + 5𝑚 − 10
Newton 𝑚2 + 𝑚 − 2 2𝑚 − 3
2 2
Newton 𝑚2 + 3𝑚 − 4 𝑚2 + 9𝑚 − 12
2𝑚 − 3 𝑚−1
Gregory 2 2
Fonte: BARROSO, L. C. et all. Cálculo Numérico (com aplicações) 2. Ed., São Paulo, Harbra, 1987
Nº de Nº de Nº de
Total
Adições Multiplicações Divisões
Newton 18 5 6 29
Newton Gregory 12 5 3 20
______________________________________________________________________________________________________________ 18 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
LEITURA COMPLEMENTAR
Embora o polinômio interpolador 𝑝(𝑥) coincida com a função nos pontos de interpolação,
𝑥0 , 𝑥1 , ⋯ , 𝑥𝑛 , espera-se que 𝑝(𝑥̄ ) ≅ 𝑓(𝑥̄ ) para 𝑥̄ ≠ 𝑥𝑖 , 𝑖 = 0,1, . . . , 𝑛, ou seja, estimando 𝑓(𝑥) pelo
polinômio interpolador comete-se um erro nesta aproximação dado por:
𝐸(𝑥̄ ) = 𝑓(𝑥̄ ) − 𝑝𝑛 (𝑥̄ )
______________________________________________________________________________________________________________ 19 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
Resolução
𝑝1 (𝑥) = 𝑦0 + (𝑥 − 𝑥0 ) 1y 0
Erro exato:
|𝐸1 (0.7)| = |𝑓(0.7) − 𝑝1 (0.7)| = |1.7138 − 1.7765| = |−0.0627| = 0.0627
______________________________________________________________________________________________________________ 20 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________
Se a função 𝑓(𝑥) é dada na forma de tabela, o valor absoluto do erro |𝐸𝑛 (𝑥 )| só pode ser
estimado, pois não é possível calcular 𝑀𝑛+1 . Entretanto, se a tabela de diferenças divididas for
construída até ordem n+1, pode-se usar o maior valor (em módulo) destas diferenças como uma
𝑀𝑛+1
aproximação para ( no intervalo [𝑥0 , 𝑥𝑛 ].
𝑛+1)!
Neste caso,
Exemplo 4: Dada a tabela, obter 𝑓(0.47) usando um polinômio de grau 2 e estimar o erro.
Resolução
𝑥2 = 0.6 0.32
______________________________________________________________________________________________________________ 21 / 21
Métodos Numéricos Computacionais
Profa. Márcia Zanoli