Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng.

Cossa

Capítulo I: Cálculo com Erros

I. Donde vem os erros
Ciências e tecnologia descrevem fenómenos reais usando modelos matemáticos. O estudo destes modelos
permite a obtenção de conhecimentos mais profundos de fenómenos e sua evolução futura. Matemática
aplicada que melhor se enquadra nas ciências e tecnologias é o ramo da matemática que se dedica a encontrar
e implementar as soluções mais adequadas com base nessas ferramentas de modelos. Infelizmente, nem
sempre é possível a aplicação de métodos clássicos de análise, por diferentes razões:

• Eles não são adequados para modelos específicos;

• A sua aplicação é excessivamente complexa;
• A solução formal é tão complicada que torna impossível qualquer interpretação posterior;
• Simplesmente não existem métodos analíticos capazes de fornecer soluções para problemas discretos,
por exemplo, por funções analiticamente não deriváveis.

Nestes casos, as técnicas numéricas que trabalham com intenso cálculo, conduzem à soluções aproximadas. O
principal esforço do cálculo que envolve a maior parte destes métodos torna a sua utilização estar intimamente
ligada ao uso do computador. Na verdade, sem o desenvolvimento que tem ocorrido no campo de computação
seria difícil imaginar o nível actual de uso de técnicas digitais em diversos campos de ciências e tecnologia.

Erros em Experimentos Numéricos

Causas e tipos de erros

O conceito de erro é consubstancial nos casos de experimentos numéricos e de ciências e as soluções

encontradas contêm inevitavelmente erros que podem ser devido fundamentalmente de factores seguintes
(encontre exemplos para cada caso e entregar na aula da próxima semana sendo parte do projecto 1):

• Erros de modelo – através da idealização do modelo, número finito de iterações ou a precisão

previamente determinada;
• Aproximação do método ou da fórmula a aplicar na resolução do problema, substituição de objectos
contínuos com objectos discretos;
• Erros de equipamento de trabalho incluindo o computador e calibração de instrumentos de medição;
• Enganos que incluem má leitura dos números, trocando algarismos ou sinais, cálculo mental sem fazer
posteriormente a devida verificação.

Em geral distinguem-se dois tipos de erros:

1. Erros Sistemáticos – relacionados com equipamentos;

2. Erros Acidentais – causados pelo ser Humano.

1
Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng. Cossa

1. Erros Sistemáticos: são devido a causas que actuam, em geral, de modo absolutamente determinado, e
sempre podem ser corrigidos ou levados em conta com bastante precisão. Erros sistemáticos também
conhecidos por erros causados por equipamentos, associados com cálculo numérico, estão enraizados em
quatro factores principais:

1. Aqueles que são inerentes à formulação do problema;

2. Que são uma consequência do método utilizado para encontrar a solução do problema;
3. Erros causados por instrumentos de medição incorrectamente graduados e/ou calibrados;
4. Devido as condições internas ou exteriores do experimento.

Dentro do primeiro grupo incluem-se aqueles em que a definição matemática do problema é apenas uma
aproximação à situação física real.

Outra fonte desses erros originados na imprecisão dos dados físicos: dados físicos e empírica constante. No caso
de erros na medição de dados empíricos e tendo em conta a sua natureza geralmente aleatória, o seu
tratamento analítico é especialmente complexo, mas essencial para verificar o resultado computorizado.

Erros Acidentais: são produzidos em geral por causas isoladas que actuam em cada medição individual de modo
diferente. Eles são impossíveis de eliminar nem estimar e apenas podem ser levados em conta em termos
médios.

Ao se realizarem experiências, produzem-se alguns erros, tais como:

1. Erro de instrumento

Os instrumentos tem sempre erros quando se fabricam e as pessoas devem usar “seus próprios instrumentos”,
por exemplo: olhos, ouvidos, mãos, para lerem resultados também fazem erros.

Noções Fundamentais

1. Cada medida é um intervalo e não um número. Isso decorre do processo de medição, do erro do
medidor, da incerteza do valor exacto. Por exemplo, um comprimento não de 56.7 cm mas,
possivelmente, (56.7± 0.2) cm, isto é, um número pertecente ao intervalo [56.5 ; 56.9].
2. Quando se opera com valores aproximados, eles carregam sua incerteza para o resultado das operações,
chama-se a esse processo, propagação de erro.
3. Os métodos numéricos podem ser aproximados, frequentemente métodos iterativos, não se propondo
a chegar aos resultados exaactos num número finito de iterações. Os métodos obtem os valores
aproximados, diminuindo o erro a cada iteração, num processo de aproximação sucessiva.
4. Não se pode esquecer que o computador representará os números reais com um número finito de
digitos, sendo forçado a aproximá-los quando os números reais exigirem mais dígitos do que ele está
preparado para usar. Como exemplo, ao representar os números ( 𝜋, 𝜖, √2, 𝑠𝑒𝑛1𝑜 ), eles deverão ser
forçosamente arredondados , pois seus finitos dígitos não poderão ser integralmente representados no
computador.

2
Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng. Cossa

Algumas observações

Quando se representa um valor m± E, com E positivo, deve-se sempre admitir que o valor de E seja bem inferior
ao valor absoluto do m, para se supor que a medida tenha sido bem feita. Assim o valor m é expressivo diante
de E. Por exemplo: a medida 23.537m± 0.02m, significa que o valor está entre 23.535m e 23.539m. Essa medida
teria sido feitacom uma boa precisão.

Porém ao dizer-se que um comprimento é de 5𝑚 ± 4m, afirma-se que sabe se muito pouco sobre o valor, que
pode variar de 1m a 9m. Portanto esta medida não tem boa precisão.

REGRA: O erro de dados obtido através de observação não é inferior á metade da mínima graduação do
instrumento usado, isto é, se por exemplo for usada uma balança cuja graduação mínima é grama, então, o erro
que se comete ao usar esta balança não é inferior a metade de grama.

2. Erros calculáveis

Muitas vezes, os cálculos cometem mais um tipo de erros, chamado “erros estranguláveis”, por exemplo, pela
necessidade de fazer arredondamentos na divisão, multiplicação de números decimais. Por outro lado, alguns
números como 𝜋, 𝜖, √2, 𝑠𝑒𝑛1𝑜 , etc, só podem vir por meio de valor aproximado.

3. Erros de método de cálculo

Certos problemas não tem métodos exactos de resolução e, por vezes, a solução é muito complicada e neste
caso, usam-se métodos aproximados.

CONCLUSÂO: É necessário estabelecer algum critério que permite fazer o estudo de modo como os erros dos
valores aproximados vão influenciar os resultados finais

II. Erros Absolutos

̅ um valor aproximado de N. Chama-se erro absoluto
Definição 1: Seja N um valor que é considerado exacto e 𝑁
̅ a grandeza 𝜖 = 𝑁 − 𝑁
do valor 𝑁 ̅

Comentário: O erro absoluto, no caso geral não é conhecido exactamente, pois caso contrário, o problema de
erro não teria sentido. Conhece-se apenas o número positivo |𝜖| ≤ ∆𝑁 e chamamos também ∆𝑁erro absoluto
̅.
de 𝑁

1 𝑛
̅ = 𝑒̅ ≈ 2,7 cometemos o
Exemplo: o número 𝑒 = lim (1 + ) = 2,7128182 … se usar o valor aproximado 𝑁
𝑛→∞ 𝑛
erro absoluto 𝜖 = 𝑁 − 𝑁 ̅ = 2,7128182 … − 2,7 = 0,0128182 … < 0,02 → |𝜖| < 0,02. Neste caso podemos
dizer que no uso do valor de 2,7, como aproximado do número 𝑒, comete-se erro absoluto de ∆𝑁 = 0,02

3
Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng. Cossa

̅ de N, é preciso dar o seu erro absoluto e usa-

Notação do valor Aproximado: Para indicar o valor aproximado 𝑁
se as seguintes notações:

̅ ± ∆𝑁
a) 𝑁
̅ − ∆𝑁; 𝑁
b) [𝑁 ̅ + ∆𝑁]

De referir que as notações acima só tem significado nos resultados finais, não podemos usar nos cálculos
intermédios.

III. Erros Relactivos

̅ de N, a grandeza 𝑅 = |𝜖| = 𝐸𝑟𝑟𝑜 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜

Definição 2: Chama-se erro relactivo do valor aproximado 𝑁 ̅|
|𝑁 𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜

O conceito de erro relactivo tem a seguinte importância: Explicar o erro absoluto que cada unidade do valor da
grandeza comete. Por exemplo, ao medir a altura da sala de aulas=3,40 m≈ 3,40 ± 0,05

̅ = 3,40 e ∆𝑁 = 0,05 então, 𝑅 = |∆𝑁| = 0,05 = 0,014. O número 0,014 diz que cada metro
Se considerarmos 𝑁 ̅|
|𝑁 3,40
de altura tem erro absoluto igual a 0,014 e podemos ver que o erro absoluto não tem dimensão, enquanto que
erro absoluto tem.

IV. Comparação da exactidão dos valores aproximados

Quando se realizam muitos experimentos é evidente fazer-se a pergunta: qual é o experimento mais exacto que
o outro. Nestes casos, o erro absoluto não serve por causa de dimensões.

Critério de comparação: o número A é mais exacto que B se e só se RA é inferior que RB

FÓRMULA FUNDAMENTAL DE ERROS

Geralmente podemos considerar o seguinte problema: Seja uma função f(x,y,z). Determinar o erro absoluto de
∆f, quando em vez de calcular o valor da função para x=x0, y=y0, z=z0, se faz o cálculo com x=x0+∆x, y=y0+∆y,
z=z0+∆z, sendo ∆x, ∆y e ∆z erros absolutos de x, y e z respectivamente.

Suponhamos que a função f e suas derivadas parciais são contínuas, então temos:

∆𝑓 = 𝑓(𝑥, 𝑦, 𝑧) − 𝑓(𝑥𝑜, 𝑦𝑜, 𝑧𝑜) = 𝑓(𝑥𝑜 + ∆𝑥, 𝑦𝑜 + ∆𝑦, 𝑧𝑜 + ∆𝑧) − 𝑓(𝑥𝑜, 𝑦𝑜, 𝑧𝑜)
= 𝑓𝑥′ (𝛼, 𝛽, 𝛾) ∗ ∆𝑥 + 𝑓𝑦′ (𝛼, 𝛽, 𝛾) ∗ ∆𝑦 + 𝑓𝑧′ (𝛼, 𝛽, 𝛾) ∗ ∆𝑧

4
Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng. Cossa

Onde:

𝛼 = 𝑥𝑜 + 𝜃∆𝑥; 𝛽 = 𝑦𝑜 + 𝜃∆𝑦; 𝛾 = 𝑧𝑜 + 𝜃∆𝑧; 0<𝜃<1

|∆𝑓| = |𝑓𝑥′ ∆𝑥 + 𝑓𝑦′ ∆𝑦 + 𝑓𝑧′ ∆𝑧|

|∆𝑓| ≤ |𝑓𝑥′ ∆𝑥| + |𝑓𝑦′ ∆𝑦| + |𝑓𝑧′ ∆𝑧|

|∆𝑓| ≤ |𝑓𝑥′ | ∗ |∆𝑥| + |𝑓𝑦′ | ∗ |∆𝑦| + |𝑓𝑧′ | ∗ |∆𝑧|

|∆𝑓 | ≤ |𝑓𝑥′ | ∗ |∆𝑥 | + |𝑓𝑦′ | ∗ |∆𝑦| + |𝑓𝑧′ | ∗ |∆𝑧|

Fórmula Fundamental de Erros

Nota: Essa fórmula fundamental pode generalizar-se para outras equações de qualquer nº de variáveis.

5
Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng. Cossa

Exercícios:
Determinar o erro absoluto que vem quando se calcula a área de trapézio ABCD, abaixo.

Onde:

a = 13 ± 2 (m)

b = 40 ± 2 (m)

h=5±1 (m)

Resolução
𝑎 = 13 ± 2 (𝑚); → ∆𝑎 = 2; 𝑎̅ = 13; 𝑎 ∈ [11; 15]

𝑏 = 40 ± 2 (𝑚); → ∆𝑏 = 2; 𝑏̅ = 40; 𝑏 ∈ [38; 42]

ℎ = 5 ± 1 (𝑚); → ∆ℎ = 1; ℎ̅ = 5; ℎ ∈ [4; 6]

𝑎+𝑏
1º Passo: Achar as derivadas parciais a partir da função: 𝑆 = ∗ℎ
2

ℎ
𝑆𝑎′ = ;
2
ℎ
𝑆𝑏′ = ;
2
𝑎+𝑏
𝑆ℎ′ = ;
2

2º Passo: Achar o módulo de cada derivada parcial e substituir os maiores valores das variáveis

ℎ ℎ 6
𝑆𝑎′ = → |𝑆𝑎′ | = | | ≤ = 3;
2 2 2
ℎ ℎ 6
𝑆𝑏′ = → |𝑆𝑏′ | = | | ≤ = 3;
2 2 2

6
Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng. Cossa

𝑎+𝑏 𝑎+𝑏 𝑎 𝑏 15 42 57
𝑆ℎ′ = → |𝑆ℎ′ | = | |≤| |+| |≤ + = = 28,5;
2 2 2 2 2 2 2

3º Passo: USAR A FÓRMULA FUNDAMENTAL DE ERROS

|∆𝑆| ≤ |𝑆𝑎′ | ∗ |∆𝑎| + |𝑆𝑏′ | ∗ |∆𝑏| + |𝑆ℎ′ | ∗ |∆ℎ|

|∆𝑆| ≤ 3 ∗ |∆𝑎| + 3 ∗ |∆𝑏| + 28,5 ∗ |∆ℎ|

|∆𝑆| ≤ 3 ∗ 2 + 3 ∗ 2 + 28,5 ∗ 1 = 6 + 6 + 28,5 = 40,5

4º Passo: Determinar o valor da Área Aproximada

𝑎̅ + 𝑏̅ 13 + 40
𝑆̅ = ∗ ℎ̅ = ∗ 5 = 132,5
2 2

5º Passo: Determinar a área do trapézio

𝑆 = 𝑆̅ ± |∆𝑆| = 132,5 ± 40,5

EXERCÍCIO
1. Calcule o valor aproximado de S e o respectivo erro absoluto, dado que:

sendo x = 5 ± 3
x 2 − yz
S=
ex y=3±2

z=2±1

2. Repetir exercicio anterior para

sendo x = 7 ± 3

y=5±2

z=4±1 7
Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng. Cossa

Capítulo II: INTERPOLAÇÃO DE FUNÇÕES

I. INTRODUÇÃO

Seja uma função tabelada f(x), onde temos os pares ordenados seguintes: (x1, f1), (x2, f2), …, (xn,fn), que em
muitos casos é obtida através dos experimentos ou observações. Existe a necessidade de determinar o valor da
função para qualquer x. Quer dizer, para além dos xi que aparecem na tabela, pretendemos determinar o valor
da função para um outro valor de x que não aparece na tabela. Este problema, chama-se Interpolação de
Funções.

A interpolação de funções, na sua forma mais geral, consiste em representar uma função tabelada duma forma
prefixada partindo dos valores que esta função toma para um conjunto de valores de seus argumentos.

F(x) é uma função tal que F(xi)=f(xi), para qualquer i=1,2,3,…,n. Se f(xi) é substituída por F(xi) num dado intervalo,
diz-se que F(xi) é uma função interpoladora para f(xi) neste intervalo.

A função interpoladora F(xi) pode tomar formas diferentes. Quando F(xi) for um polinómio, então teremos uma
interpolação polinomial; Quando F(xi) for uma soma de funções trigonométricas , então teremos uma
interpolação trigonométrica.

Para facilitar a interpolação, usa-se F(xi) mais simples e isto consegue-se usando F(xi) polinomial.

Teorema usado como base da interpolação polinomial

Teorema (Weirstrass): Toda função f(x) contínua no intervalo fechado [a,b] pode ser aproximado neste intervalo
por um polinómio, isto é, existe um polinómio P(x) tal que ∀𝜀 > 0, 𝜀 pequeno se tem e |𝑓(𝑥) − 𝑃(𝑥)| < 𝜀 e
isto acontece quando e 𝑥 ∈ (𝑎; 𝑏)

O significado deste teorema é: usando polinómio como função interpoladora, pode substituir qualquer função
com precisão adequada.

II. DIFERENÇAS DEFINIDAS

Definição: Seja f(x) uma função tabelada 𝑓(𝑥𝑖) = 𝑓𝑖, (i=1,2,3,…,n), chama-se diferença da primeira ordem ou
simplesmente diferença da função no ponto xi à grandeza ∆𝑓𝑖 = 𝑓𝑖+1 − 𝑓𝑖 onde (i=1,2,3,…,n).

A diferença da primeira diferença de uma função é chamada diferença de segunda ordem:

∆2 𝑓𝑖 = ∆(∆𝑓𝑖) = 𝑓𝑖+2 − 2𝑓𝑖+1 + 𝑓𝑖 . De forma semelhante, podemos definir diferenças de ordem superior,
através da fórmula:

∆𝑘 𝑓𝑖 = ∆(∆𝑘−1 𝑓𝑖 )

8
Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng. Cossa

1. DIFERENÇAS DESCENDENTES E CAMINHO DESCENDENTE

Vamos estudar o caso muito usual que é: Os valores de xi são espaçados, ou seja, xi forma uma progressão
aritmética:

𝑥𝑖 = 𝑥0 + 𝑖ℎ; 𝑓(𝑥𝑖 ) = 𝑓(𝑥0 + 𝑖ℎ); (i=1,2,3,…,n).

Vamos apresentar a função tabelada e suas diferenças como se mostra na figura seguinte:

X f(x) ∆𝑓𝑖 ∆2 𝑓𝑖 ∆3 𝑓𝑖 ∆4 𝑓𝑖 ∆5 𝑓𝑖 …

.
Caminho descendente do
𝑥−3 𝑓−3 ponto 𝑥−3
𝑥−2 𝑓−2 ∆𝑓−3

𝑥−1 𝑓−1 ∆𝑓−2 ∆2 𝑓−3

𝑥0 𝑓0 ∆𝑓−1 ∆2 𝑓−2 ∆3 𝑓−3

𝑥1 𝑓1 ∆𝑓0 ∆2 𝑓−1 ∆3 𝑓−2 ∆4 𝑓−3

𝑥2 𝑓2 ∆𝑓1 ∆2 𝑓0 ∆3 𝑓−1 ∆4 𝑓−2 ∆5 𝑓−3

𝑥3 𝑓3 ∆𝑓2 ∆2 𝑓1 ∆3 𝑓0 ∆4 𝑓−1 ∆5 𝑓−2

. Caminho descendente do
ponto 𝑥−1
.

9
Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng. Cossa

Exemplo:

i X f(x) △f △2f △3f △4f △5f △6f

0 2,0 0,53657
-0,08692
1 2,1 0,44965 -0,00450
-0,09142 0,00092
2 2,2 0,35823 -0,00358 0,00003
-0,09500 0,00095 0,00000
3 2,3 0,26323 -0,00263 0,00003 -0,00002
-0,09763 0,00098 -0,00002
4 2,4 0,16560 -0,00165 0,00001 0,00001
-0,09928 0,00099 -0,00001
5 2,5 0,06632 -0,00066 0,00000 0,00002
-0,09994 0,00099 0,00001
6 2,6 -0,03362 0,00033 0,00001 -0,00003
-0,09961 0,00100 -0,00002
7 2,7 -0,13323 0,00133 -0,00001 -0,00002
-0,09828 0,00099 -0,00004
8 2,8 -0,23151 0,00232 -0,00005 0,00010
-0,09596 0,00094 0,00006
9 2,9 -0,32747 0,00326 0,00001 -0,00015
-0,09270 0,00095 -0,00009
10 3 -0,42017 0,00421 -0,00008
-0,08849 0,00087
11 3,1 -0,50866 0,00508
-0,08341
12 3,2 -0,59207

10
 Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng. Cossa

FÓRMULA DE INTERPOLAÇÃO DE NEWTON

Para esta fórmula de interpolação, vamos supor que a função tabelada f(x) tem argumento xi espaçados x0, h,
logo 𝑥𝑖 = 𝑥0 + 𝑖. ℎ

FÓRMULA DE NEWTON DESCENDENTE

Usando a função descendente podemos concluir: a fórmula abaixo, chama-se fórmula de Newton Descendente.

∆𝑓0 ∆2 𝑓0
𝑓(𝑥) = 𝑓(𝑥0 + 𝑖. ℎ) = 𝑓0 + (𝑥 − 𝑥0 ) ∗ + (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) +
ℎ 2! ∗ ℎ2

∆3 𝑓0
+(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) + ⋯+ 𝑅
3! ∗ ℎ3

Sabe-se que:

𝑥 − 𝑥0 𝜃−1 𝜃−2 𝜃−3

𝜃= ; 𝑁1 = 𝜃; 𝑁2 = 𝑁1 ∗ ; 𝑁3 = 𝑁2 ∗ ; 𝑁4 = 𝑁3 ∗
ℎ 2 3 4

Substituindo as fórmulas anteriores na fórmula de interpolação, teremos:

𝑓(𝑥) = 𝑓(𝑥0 + 𝑖. ℎ) = 𝑓0 + 𝑁1 ∗ ∆𝑓0 + 𝑁2 ∗ ∆2 𝑓0 + 𝑁3 ∗ ∆3 𝑓0 + ⋯ + 𝑅

Exemplo: Para a tabela abaixo, determine o valor de f(1.25)

x 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0
f(x) 0,891207 0,932039 0,963558 0,985450 0,997495 0,999574 0,991665 0,973848 0,946300 0,909295

11
Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng. Cossa

Resolução:

1º Passo: Calcular as diferenças

i x f(x) △f △2f △3f △4f △5f

0 1,1 0,891207
0,040832
1 1,2 0,932039 -0,009313
1.25 0,031519 -0,000314
2 1,3 0,963558 -0,009627 0,000094
0,021892 -0,000220 0,000007
3 1,4 0,985450 -0,009847 0,000101
0,012045 -0,000119 -0,000004
4 1,5 0,997495 -0,009966 0,000097
0,002079 -0,000022 0,000005
5 1,6 0,999574 -0,009988 0,000102
-0,007909 0,000080 -0,000005
6 1,7 0,991665 -0,009908 0,000097
-0,017817 0,000177 0,000000
7 1,8 0,973848 -0,009731 0,000097
-0,027548 0,000274
8 1,9 0,946300 -0,009457
-0,037005
9 2,0 0,909295

2º Passo: Determinar o 𝒙𝟎 e 𝜽

𝑥0 = 1.2 → Máximo inferior a 1.25, o número que está antes do pedido

ℎ = 0,1 → A diferença entre os valores de xi, o que se chama razão na progressão Aritmética

𝑥 = 1.25 → O número pedido

𝑥−𝑥0 1.25−1.2
𝜃= = = 0.5 ;
ℎ 0.1

3º Passo: Determinar o 𝑵𝟏, 𝑵𝟐, 𝑵𝟑, 𝑵𝟒, 𝒆 𝑵𝟓,

𝜃−1 0.5−1 𝜃−2 0.5−2

𝑁1 = 𝜃 = 0.5; 𝑁2 = 𝑁1 ∗ 2
= 0.5 ∗ 2
= −0.125; 𝑁3 = 𝑁2 ∗ 3
= −0.125 ∗ 2
= 0.0625

𝜃−3 0.5−3 𝜃−4

𝑁4 = 𝑁3 ∗ = 0.0625 ∗ = −0.0390625 𝑁5 = 𝑁4 ∗ = 0.02734375
4 4 5

12
Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng. Cossa

4º Passo: Determinar o valor pedido, f(1.25) pela fórmula de interpolação

𝑓(1.25) = 𝑓0 + 𝑁1 ∗ ∆𝑓0 + 𝑁2 ∗ ∆2 𝑓0 + 𝑁3 ∗ ∆3 𝑓0 + 𝑁4 ∗ ∆4 𝑓0 + 𝑁5 ∗ ∆5 𝑓0

𝑓(1.25) = 0.932039 + 0.5 ∗ 0.031519 + 0.125 ∗ 0.009627 − 0.0625 ∗ 0.000220 − 0.03906 ∗ 0.000101
− 0.02734 ∗ 0.000004 = 0.94898

Nota Importante: Deve manter o número de casas decimais nos cálculos intermédios.

2. DIFERENÇAS ASCENDENTES E CAMINHO ASCENDENTE

Para o caso das diferenças ascendentes, vamos usar o símbolo ∇

X f(x) ∇𝑓𝑖 ∇2 𝑓𝑖 ∇3 𝑓𝑖 ∇4 𝑓𝑖 ∇5 𝑓𝑖 …

.
Caminho
Caminhosascendente
ascendentes
.

𝑥−3 𝑓−3

𝑥−2 𝑓−2 ∇𝑓−3

𝑥−1 𝑓−1 ∇𝑓−2 ∆∇2 𝑓−3

𝑥0 𝑓0 ∇𝑓−1 ∇2 𝑓−2 ∇3 𝑓−3

𝑥1 𝑓1 ∇𝑓0 ∇2 𝑓−1 ∇3 𝑓−2 ∇4 𝑓−3

𝑥2 𝑓2 ∇𝑓1 ∇2 𝑓0 ∇3 𝑓−1 ∇4 𝑓−2 ∇5 𝑓−3

𝑥3 𝑓3 ∇𝑓2 ∇2 𝑓1 ∇3 𝑓0 ∇4 𝑓−1 ∇5 𝑓−2

13
 Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng. Cossa

Nota: Pode-se calcular valores de diferenças descendentes e ascendentes directamente pelos valores
da função tabelada e temos a fórmula:
𝑛
𝑛!
∆ 𝑓𝑖 = ∑(−1)𝑘
𝑛
∗𝑓
𝑘! (𝑛 − 𝑘)! 𝑖−𝑘
𝑘=0

𝑛
𝑛!
∇ 𝑓𝑖 = ∑(−1)𝑘
𝑛
∗𝑓
𝑘! (𝑛 − 𝑘)! 𝑖−𝑘
𝑘=0

Usando diferenças ascendentes as seguintes fórmulas:

𝜃(𝜃 + 1) 2 𝜃(𝜃 + 1)𝜃 + 2) 3

𝑓(𝑥) = 𝑓(𝑥𝑛 + 𝜃. ℎ) = 𝑓𝑛 + 𝜃∇𝑓𝑛 + ∇ 𝑓𝑛 + ∇ 𝑓𝑛 + ⋯ + 𝑅
2! 3!

R = Erro absoluto

𝑓 (𝑛+1) (𝜉)
𝑅= 𝜃(𝜃 + 1)(𝜃 + 2) … (𝜃 + 𝑛) 𝜉 𝑒𝑠𝑡á 𝑒𝑛𝑡𝑟𝑒 𝑥 𝑒 𝑥𝑛
(𝑛 + 1)!

𝑥𝑛 é o mínimo superior do x pedido

Assim, teremos a fórmula abaixo para Newton Ascendente:

𝑓(𝑥) = 𝑓(𝑥𝑛 + 𝜃. ℎ) = 𝑓𝑛 + 𝑁1 ∗ ∇𝑓𝑛 + 𝑁2 ∗ ∇2 𝑓𝑛 + 𝑁3 ∗ ∇3 𝑓0 + ⋯ + 𝑅

Exemplo: Para a tabela abaixo, determine o valor de f(1.82)

x 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0
f(x) 0,891207 0,932039 0,963558 0,985450 0,997495 0,999574 0,991665 0,973848 0,946300 0,909295

14
Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng. Cossa

Resolução:

1º Passo: Calcular as diferenças

i x f(x) △f △2f △3f △4f △5f

0 1,1 0,891207
0,040832
1 1,2 0,932039 -0,009313
0,031519 -0,000314
2 1,3 0,963558 -0,009627 0,000094
0,021892 -0,000220 0,000007
3 1,4 0,985450 -0,009847 0,000101
0,012045 -0,000119 -0,000004
4 1,5 0,997495 -0,009966 0,000097
0,002079 -0,000022 0,000005
5 1,6 0,999574 -0,009988 0,000102
-0,007909 0,000080 -0,000005
6 1,7 0,991665 -0,009908 0,000097
-0,017817 0,000177 0,000000
7 1,8 0,973848 -0,009731 0,000097
1.82 -0,027548 0,000274
8 1,9 0,946300 -0,009457
-0,037005
9 2,0 0,909295

2º Passo: Determinar o 𝒙𝟎 e 𝜽

𝑥𝑛 = 1.9 → Mínimo superior a 1.82, o número que está antes do pedido

ℎ = 0,1 → A diferença entre os valores de xi, o que se chama razão na progressão Aritmética

𝑥 = 1.82 → O número pedido

𝑥−𝑥𝑛 1.82−1.9
𝜃= = = −0.8; ;
ℎ 0.1

3º Passo: Determinar o 𝑵𝟏, 𝑵𝟐, 𝑵𝟑, 𝑵𝟒, 𝒆 𝑵𝟓, e usando as fórmulas abaixo, terminar em casa.

15
Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng. Cossa

N1 = 𝜃

𝜃+1
N2 = N1 *
2
Usar estas fórmulas
N3 = N2 *
𝜃+2 para terminar o
3
exercício
𝜃+3
N4 = N3 *
4

𝜃+4
N5 = N4 *
5

F(x) = 𝑓𝑛 + N1 * ∇𝑓𝑛 + N2 * ∇² 𝑓𝑛 + N3 * ∇³ 𝑓𝑛 + N4 * ∇4 𝑓𝑛 + N5 * ∇5 𝑓𝑛

16
Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng. Cossa

III. FÓRMULA DE LAGRANGE

As fórmulas de Newton, tem suas aplicações apenas no caso em que os valores de xi estão espaçados
ou seguem uma progressão aritmética. Nos casos em que os valores de xi não seguem uma progressão
aritmética, podemos construir uma fórmula semelhante as de Newton, utilizando as diferenças
divididas, mas estas fórmulas são complicadas.

Existe uma outra fórmula de interpolação que pode ser usada tanto para xi que seguem uma
progressão aritmética como para xi que não segue uma progressão aritmética e esta fórmula chama-
se Fórmula ou método de Lagrange.

A ideia principal do método de Lagrange é estabelecer um polinómio F(x) de grau n que toma os
mesmos valores que a função tabelada tem. Isto significa que F(xi)=f(xi).

O polinómio abaixo, responde o desejo de F(xi)=f(xi).

(𝑥−𝑥1 )(𝑥−𝑥2 )(𝑥−𝑥3 )…(𝑥−𝑥𝑛 )

𝐹(𝑥) = (𝑥 ∗ 𝑓0 +
0 −𝑥1 )(𝑥0 −𝑥2 )(𝑥0 −𝑥3 )…(𝑥0 −𝑥𝑛 )

(𝑥 − 𝑥0 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 ) … (𝑥 − 𝑥𝑛 )
+ ∗𝑓 +
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 ) … (𝑥0 − 𝑥𝑛 ) 1

(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥4 ) … (𝑥 − 𝑥𝑛 )
+ ∗𝑓 +
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )(𝑥2 − 𝑥3 ) … (𝑥2 − 𝑥𝑛 ) 2

+ ……… ……… … … … … … … … … … … +

(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) … (𝑥 − 𝑥𝑛−1 )

+ ∗𝑓 +𝑅
(𝑥𝑛 − 𝑥0 )(𝑥𝑛 − 𝑥1 )(𝑥𝑛 − 𝑥2 ) … (𝑥𝑛 − 𝑥𝑛−1 ) 𝑛

Observações:

1. F(x) é um polinómio de grau n

2. F(xi)=f(xi) para qualquer i=0,1,2,3,4,…,n
3. R é erro absoluto de interpolação Lagrange que é determinado por:

𝑓 (𝑛+1) (𝜉)
𝑅= (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 + 𝑥𝑛 )
(𝑛 + 1)!

Exemplo: Calcular o valor de f(47) usando a seguinte função tabelada:

x 40 42 45 48 49 50
F(x) 1.60206 1.62325 1.65321 1.68124 1.69002 1.69897

17
Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng. Cossa

Resolução:

X=47

X0=40; x1=42; x2=45; x3=48; x4=49; x5=50

(47−42)(47−45)(47−48)(47−49)(47−50)
𝐹(47) = (40−42)(40−45)(40−48)(40−49)(40−50) ∗ 1.60206 +

(47 − 40)(47 − 45)(47 − 48)(47 − 49)(47 − 50)

+ ∗ 1.62325 +
(42 − 40)(42 − 45)(42 − 48)(42 − 49)(42 − 50)

(47 − 40)(47 − 42)(47 − 48)(47 − 49)(47 − 50)

+ ∗ 1.65321 +
(45 − 40)(45 − 42)(45 − 48)(45 − 49)(45 − 50)

(47 − 40)(47 − 42)(47 − 45)(47 − 49)(47 − 50)

+ ∗ 1.68124 +
(48 − 40)(48 − 42)(48 − 45)(48 − 49)(48 − 50)

(47 − 40)(47 − 42)(47 − 45)(47 − 48)(47 − 50)

+ ∗ 1.69002 +
(49 − 40)(49 − 42)(49 − 45)(49 − 48)(49 − 50)

(47 − 40)(47 − 42)(47 − 45)(47 − 48)(47 − 49)

+ ∗ 1.69897
(50 − 40)(50 − 42)(50 − 45)(50 − 48)(50 − 49)

𝐹(47) = 1.67209

18
Universidade Técnica de Moçambique – Análise Numérica – 2019 Dr. Abudo, Dr. Raposo e Eng. Cossa

Observações

1. As fórmulas de Newton dão em qualquer altura a possibilidade de aumentar o grau de

polinómio interpolador, mas precisa de qualidade do seu argumento: os xi devem seguir uma
progressão aritmética.

2. A fórmula de Lagrange exige logo de inicio determinar o grau de polinómio interpolador, mas
nem sempre a fórmula dá maior precisão.

3. Nos nossos dias, com o uso de computadores, não há nenhuma dificuldade ao realizar número
grande de cálculos, e, é aconselhável usar a fórmula de Lagrange para obter precisão adequada.

19